蚁群算法在煤与瓦斯突出预测中的应用

被引:4
作者
臧大进
王耀才
机构
[1] 中国矿业大学信电学院
关键词
煤与瓦斯突出; 预测; 蚁群算法; 数据聚类; 模糊C均值; 蚁群-模糊聚类算法;
D O I
10.16526/j.cnki.11-4762/tp.2007.10.038
中图分类号
TP18 [人工智能理论]; TD713 [煤(岩石)与瓦斯突出的预防和处理];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
煤与瓦斯突出预测在矿井的安全生产中具有重要影响;蚁群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力;通过对蚁群算法和模糊聚类算法的深入研究提出了一种新的蚁群-模糊聚类预测算法,利用改进的自适应调整信息素的蚁群算法计算出模糊聚类的个数和初始聚类中心,再利用模糊聚类算法对煤与瓦斯突出进行预测;对平八矿历年煤与瓦斯突出数据进行验证预测的结果表明,该方法与传统的模糊聚类预测方法相比具有较强的自适应能力和较好的预测效果。
引用
收藏
页码:1289 / 1291
页数:3
相关论文
共 6 条
[1]   煤与瓦斯突出预测的模糊ISODATA聚类方法研究 [J].
李念友 ;
郭德勇 ;
王新义 .
矿业安全与环保, 2003, (03) :20-21+24
[2]   平顶山矿区煤与瓦斯突出的预测及防治 [J].
张铁岗 .
煤炭学报, 2001, (02) :172-177
[3]   地质构造控制煤和瓦斯突出作用类型研究 [J].
郭德勇 ;
韩德馨 .
煤炭学报, 1998, (04) :3-7
[4]  
煤与瓦斯突出的非线性特征及预测模型[M]. 中国矿业大学出版社 , 王凯, 2005
[5]  
煤矿安全新技术[M]. 煤炭工业出版社 , 王显政主编, 2002
[6]   Ant colony optimization techniques for the vehicle routing problem [J].
Bell, JE ;
McMullen, PR .
ADVANCED ENGINEERING INFORMATICS, 2004, 18 (01) :41-48