煤与瓦斯突出预测的改进差分进化神经网络模型研究

被引：16

作者：

杨敏 ^{[1
]}

汪云甲 ^{[1
]}

程远平 ^{[2
]}

机构：

[1] 中国矿业大学环境与测绘学院江苏省资源环境信息工程重点实验室

[2] 中国矿业大学安全工程学院

来源：

中国矿业大学学报 | 2009年 / 38卷 / 03期

关键词：

煤与瓦斯突出; 预测; 差分进化; 神经网络;

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：

摘要：

鉴于常规煤与瓦斯突出BP预测模型的不足,将改进DE算法用于BP网络模型参数的优化及训练,提出结合两者优点的改进差分进化神经网络(IDEBP)煤与瓦斯突出预测模型.模型通过对变异模式、变异交叉因子自适应确定等改进,有效提高了标准DE的性能.实现了DE全局优化搜索与BP自适应、自学习的有机结合,稳健性得到加强,更能充分辨识煤与瓦斯突出样本的复杂非线性知识.以36组工程实例数据,进行了IDEBP和DEBP模型与BP模型仿真对比实验.结果表明:该模型能有效避免常规BP的不足,在收敛迅速、结果辨识和预测精度等方面均大为提高,为瓦斯智能预测提供了新的解决方案.

引用

页码：439 / 444

页数：6

共 11 条

[1]

现代信息技术在煤与瓦斯突出区域预测中的应用.[D].张瑞林.重庆大学.2004, 02

[2] A trigonometric mutation operation to differential evolution [J].

Fan, HY ;

Lampinen, J .

JOURNAL OF GLOBAL OPTIMIZATION, 2003, 27 (01) :105-129

[3] Differential evolution training algorithm for feed-forward neural networks [J].

Ilonen, J ;

Kamarainen, JK ;

Lampinen, J .

NEURAL PROCESSING LETTERS, 2003, 17 (01) :93-105

[4] Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].

Storn, R ;

Price, K .

JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359

[5]

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

[6]

A simple and global optimization algorithm for engineering problems:differential evolution algorithm..Dervis Karaboga;Selcuk Okdem;.Turkish Journal of Engineering and Environmental Sciences.2004,

[7] 延时煤与瓦斯突出的实时预警理论与应用研究 [J].