煤矿冲击地压预测的PCA-GRNN方法

被引：19

作者：

史策 ^{[1
]}

高峰 ^{[2
,3
]}

陈连城 ^{[2
]}

王连国 ^{[4
]}

机构：

[1] 中国科学院大学遥感与数字地球研究所

[2] 大同大学煤炭工程学院

[3] 武汉理工大学土木工程与建筑学院

[4] 中国矿业大学深部岩土力学与地下工程国家重点实验室

来源：

中国安全科学学报 | 2016年 / 26卷 / 07期

关键词：

冲击地压; 主成分分析法(PCA); 广义回归神经网络(GRNN); 电磁辐射; 预警技术;

D O I：

10.16265/j.cnki.issn1003-3033.2016.07.022

中图分类号：

X936 []; TD324 [冲击地压];

学科分类号：

081904 [岩体力学与工程];

摘要：

为更合理有效地解决煤矿开采引起的冲击地压危险性预测问题,以忻州窑煤矿冲击地压事故为工程背景,采用一种数据降维算法—主成分分析法(PCA),对广义回归神经网络(GRNN)的输入样本进行信息压缩,构建冲击地压危险性预测的PCA-GRNN模型。通过PCA法提取影响冲击地压强度的煤层厚度、倾角等9个因素,得到冲击地压危险性影响因素的前4个主成分因子表达式,并构建BPNN,GRNN和PCA-BP等另外3种模型,验证PCA-GRNN法预测冲击地压危险性的智能性和泛化能力。结果表明,所建PCA-GRNN模型平均训练误差为3.5%,平均预测误差为3.6%,有很好的预测能力和泛化能力。

引用

页码：119 / 124

页数：6

共 11 条

[1]

基于线性回归与GRNN的禽畜养殖场数据处理 [D].