煤矿瓦斯涌出量动态预测的PCA-MFOA-GRNN模型及应用

被引：10

作者：

皮子坤 ^{[1
,2
]}

贾宝山 ^{[1
,2
]}

贾廷贵 ^{[1
,2
]}

李锐 ^{[1
]}

李宗翔 ^{[1
,2
]}

机构：

[1] 辽宁工程技术大学安全科学与工程学院

[2] 矿山热动力灾害与防治教育部重点实验室

来源：

传感技术学报 | 2015年 / 28卷 / 11期

关键词：

动态预测; MFOA(改进的果蝇算法); GRNN(广义回归神经网络); PCA(主成分分析); 瓦斯涌出量;

D O I：

暂无

中图分类号：

TD712.5 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对煤矿瓦斯涌出受许多因素的影响,为了克服瓦斯涌出中存在的复杂的非线性关系,从而实现稳定、可靠、精确的对煤矿综采工作面瓦斯涌出量进行动态预测,提出了主成分分析法(PCA)结合改进的果蝇算法(MFOA)优化GRNN的绝对瓦斯涌出量的预测手段。运用PCA算法对原始输入数据降维;并且对果蝇算法中的Si函数增加一个跳脱参数B,避免局部最优因子对预测模型的干扰;将MFOA算法对GRNN的平滑因子σ进行优化;将PCA结果作为模型的输入,建立了PCA-MFOAGRNN算法的回采工作面瓦斯涌出量动态预测模型,结合实际矿井瓦斯涌出量监测的相关数据检验该模型,并将该模型的预测结果与未修正的FOA-GRNN算法、CIPSO-ENN算法、BP神经网络预测、Elman网络预测结果进行对比,结果表明:该预测模型对GRNN的参数优化后得到的预测模型较其他预测模型有更强的泛化能力和更高的预测精度。

引用

页码：1676 / 1681

页数：6

共 15 条

[1]

煤矿瓦斯浓度的CAPSO-ENN短期预测模型 [J].