共 12 条
[1]
李雅庄煤矿瓦斯涌出量预测及瓦斯涌出影响因素的研究.[D].徐小马.太原理工大学.2007, 04
基于QPSO-RBF的瓦斯涌出量预测模型
被引：32
作者：
潘玉民
邓永红
张全柱
薛鹏骞
机构：
[1] 华北科技学院信息与控制技术研究所
来源：
关键词：
量子粒子群(QPSO)算法;
径向基(RBF);
QPSO-RBF模型;
泛化能力;
瓦斯涌出量;
D O I：
10.16265/j.cnki.issn1003-3033.2012.12.007
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
摘要：
为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。
引用
收藏
页码：29 / 34
页数：6
相关论文