煤与瓦斯突出的粗神经网络预测模型研究

被引：6

作者：

杨敏 ^{[1
,2
]}

李瑞霞 ^{[1
,3
]}

汪云甲 ^{[1
,2
]}

机构：

[1] 中国矿业大学环境与测绘学院

[2] 江苏省资源环境信息工程重点实验室

[3] 太原理工大学阳泉学院

来源：

计算机工程与应用 | 2010年 / 06期

关键词：

煤与瓦斯突出预测; 粗集; 粗神经网络; 混合系统; 属性约简;

D O I：

暂无

中图分类号：

TD713 [煤（岩石）与瓦斯突出的预防和处理];

学科分类号：

081903 ;

摘要：

将粗集方法作为BP神经网络的前端处理器,通过对煤与瓦斯系统属性特征的提取和影响因素的约简,较好解决了预测输入特征的"维数灾"问题,构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明,验证了该方法的有效性,模型学习速度更快、精确度更高,对提高瓦斯突出预测时效性有重大意义。

引用

页码：241 / 244

页数：4

共 9 条

[1] 基于BP神经网络的煤与瓦斯突出预测方法的研究 [J].

田云丽 ;

周利华 .

系统工程理论与实践, 2005, (12) :102-106

[2] 基于粗集与神经网络相结合的岩移影响因素分析与开采沉陷预计方法研究 [J].

张庆松 ;

高延法 ;

刘松玉 ;

孙宗军 .

煤炭学报, 2004, (01) :22-25

[3] 粗集与神经网络的集成技术研究 [J].

赵卫东 ;

陈国华 .

系统工程与电子技术, 2002, (10) :103-107+126

[4] 基于神经网络的煤与瓦斯突出预测模型 [J].

吴强 .

中国安全科学学报, 2001, (04) :72-75

[5] Rough Set理论中连续属性的离散化方法 [J].

苗夺谦 .

自动化学报, 2001, (03) :296-302

[6]

矿井瓦斯防治理论与技术[M]. 中国矿业大学出版社 , 林柏泉,崔恒信编著, 1998

[7] Rough neural expert systems [J].

Yahia, ME ;

Mahmod, R ;

Sulaiman, N ;

Ahmad, F .

EXPERT SYSTEMS WITH APPLICATIONS, 2000, 18 (02) :87-99

[8] Rough set theory and its applications to data analysis [J].

Pawlak, Z .

CYBERNETICS AND SYSTEMS, 1998, 29 (07) :661-688

[9] A hybrid intelligent system for predicting bank holding structures [J].

Hashemi, RR ;

Le Blanc, LA ;

Rucks, CT ;

Rajaratnam, A .

EUROPEAN JOURNAL OF OPERATIONAL RESEARCH, 1998, 109 (02) :390-402

← 1 →