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
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
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
[2]   基于径向基的瓦斯涌出量灰色预测模型 [J].
王涛 ;
王洋洋 ;
郭长娜 ;
张继华 .
计算机测量与控制, 2012, (05) :1218-1221
[3]   基于RBF神经网络的瓦斯涌出量预测 [J].
永智群 ;
潘玉民 .
煤炭技术, 2012, 31 (04) :118-120
[4]   粒子群优化的RBF瓦斯涌出量预测 [J].
彭程 ;
潘玉民 .
中国安全生产科学技术, 2011, 7 (11) :77-81
[5]   量子粒子群优化算法的收敛性分析及控制参数研究 [J].
方伟 ;
孙俊 ;
谢振平 ;
须文波 .
物理学报, 2010, 59 (06) :3686-3694
[6]   基于小波神经网络的煤矿瓦斯涌出量预测 [J].
曹洪民 ;
张玉林 ;
姜永鹏 ;
丁成伟 .
计算机应用与软件, 2009, 26 (07) :168-170
[7]   矿井瓦斯涌出量预测方法综述 [J].
王景山 ;
朱炎铭 ;
宋金栋 ;
张聪 ;
袁伟 .
能源技术与管理, 2008, (04) :49-51
[8]   矿井瓦斯涌出量预测技术 [J].
姜文忠 ;
霍中刚 ;
秦玉金 .
煤炭科学技术, 2008, (06) :1-4
[9]   神经网络在采煤工作面瓦斯涌出量预测中的应用 [J].
唐朝伟 ;
何国田 ;
徐昌彪 ;
赵丽娟 .
计算机应用, 2007, (S2) :202-204
[10]   基于小波神经网络的瓦斯涌出量预测研究 [J].
薛鹏骞 ;
吴立锋 ;
李海军 .
中国安全科学学报, 2006, (02) :22-25+146