基于PCA-GA-BP神经网络的瓦斯含量预测分析

被引：22

作者：

曹博 ^{[1
]}

白刚 ^{[2
,3
]}

李辉 ^{[4
]}

机构：

[1] 辽宁工程技术大学矿业学院

[2] 辽宁工程技术大学安全科学与工程学院

[3] 矿山热动力灾害与防治教育部重点实验室

[4] 安徽省煤矿安全监察局淮北监察分局

来源：

中国安全生产科学技术 | 2015年 / 11卷 / 05期

关键词：

主成份分析; SPSS; 优化; GA-BP神经网络; 瓦斯含量; 仿真预测;

D O I：

暂无

中图分类号：

TD712.5 []; TP183 [人工神经网络与计算];

学科分类号：

081903 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析(PCA)方法来降低变量间的相关性,然后将遗传算法(GA)与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。

引用

页码：84 / 90

页数：7

共 12 条

[1]

基于自回归模型和主成分分析的结构损伤识别方法研究.[D].郑泓.哈尔滨工业大学.2013, 03

[2] 粗糙集-改进神经网络落煤瓦斯涌出量预测 [J].