基于遗传算法优化BP神经网络的瓦斯浓度预测研究

被引：43

作者：

刘奕君 ^{[1
,2
]}

赵强 ^{[1
,2
]}

郝文利 ^{[3
]}

机构：

[1] 徐州医学院医学信息学院

[2] 徐州医学院现代教育技术中心

[3] 徐州矿务集团有限公司夹河煤矿

来源：

矿业安全与环保 | 2015年 / 02期

关键词：

瓦斯浓度; BP神经网络; 遗传算法; 预测;

D O I：

暂无

中图分类号：

TD712 [矿井瓦斯];

学科分类号：

081903 ;

摘要：

为了提高瓦斯浓度预测的精度和稳定性,提出了将遗传算法(GA)与BP神经网络结合的预测方法。利用BP神经网络能以任意精度逼近非线性函数的优点,结合遗传算法的全局搜索能力,优化神经网络权值和阈值,建立GA—BP混合算法模型预测瓦斯浓度。实验结果表明,GA—BP算法与BP神经网络相比,具有较高的预测精度和较强的稳定性。

引用

页码：56 / 60

页数：5

共 9 条

[1] 基于遗传算法的煤与瓦斯突出影响因素研究 [J].

陶慧 ;

祁佩棉 .

河南理工大学学报(自然科学版), 2011, (03) :262-267

[2] 遗传算法应用 [J].

高翔 ;

海洋 .

赤峰学院学报(自然科学版), 2009, 25 (03) :21-22

[3] 基于免疫遗传算法的煤与瓦斯突出预测研究 [J].

朱玉 ;

张虹 ;

苏成 .

中国矿业大学学报, 2009, 38 (01) :125-130

[4] 基于改进遗传算法的BP神经网络自适应优化设计 [J].

柴毅 ;

尹宏鹏 ;

李大杰 ;

张可 .

重庆大学学报(自然科学版), 2007, (04) :91-96

[5] 基于实数编码遗传算法的混合神经网络算法 [J].

范睿 ;

李国斌 ;

景韶光 .

计算机仿真, 2006, (01) :161-164

[6] 结合遗传算法优化BP神经网络的结构和参数 [J].

田旭光 ;

宋彤 ;

刘宇新 .

计算机应用与软件, 2004, (06) :69-71

[7]

煤与瓦斯突出的非线性特征及预测模型[M]. 中国矿业大学出版社 , 王凯,俞启香著, 2005

[8]

人工神经网络实用教程[M]. 浙江大学出版社 , 杨建刚编著, 2001

[9]

Neural network prediction model for the methane fraction in biogas from field-scale landfill bioreactors[J] . Bestamin Ozkaya,Ahmet Demir,M. Sinan Bilgili.Environmental Modelling and Software . 2006 (6)

← 1 →