论文摘要
为准确预测瓦斯突出,提出多层去噪自编码器（Multi-layer DAE）搭载最小二乘支持向量机（LSSVM）的瓦斯突出预测模型。多层DAE网络提取瓦斯突出原始数据的有效特征,并链接LSSVM进行突出分类。因突出影响因子边界存在一定的模糊性,从时间角度考虑将其分为动、静态影响因子,并依此对多层DAE网络按照交叉熵规则设计新的代价函数。利用收集的100组真实样本数据,多次实验确定最稳定的模型结构参数。对比分析PCA-LSSVM、LLE-LSSVM、BP神经网络模型,结果表明,该模型有更优越的特征提取能力和预测性能,更适用与瓦斯突出预测问题。
论文目录
文章来源
类型: 期刊论文
作者: 付华,梁漪
关键词: 瓦斯突出,突出影响因子,去噪自编码器,最小二乘支持向量机,交叉熵
来源: 计算机应用与软件 2019年08期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 矿业工程,安全科学与灾害防治,自动化技术
单位: 辽宁工程技术大学电气与控制工程学院
基金: 国家自然科学基金项目(71371091,51274118),辽宁省教育厅科学技术研究项目(LJ2017QL021)
分类号: TP18;TD713
页码: 214-219
总页数: 6
文件大小: 556K
下载量: 152
相关论文文献
标签：瓦斯突出论文; 突出影响因子论文; 去噪自编码器论文; 最小二乘支持向量机论文; 交叉熵论文;