论文摘要
针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络（LLE-FOA-BP）模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测。测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06%,相对误差的方差为3.69,经过24次迭代训练就达到10-8的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率。
论文目录
文章来源
类型: 期刊论文
作者: 隆能增,袁梅,敖选俊,李鑫灵,张平
关键词: 煤与瓦斯突出强度预测,局部线性嵌入,果蝇算法,神经网络,大数据处理
来源: 工矿自动化 2019年10期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 矿业工程,安全科学与灾害防治
单位: 贵州大学矿业学院,贵州省非金属矿产资源综合利用重点实验室,贵州省优势矿产资源高效利用工程实验室,复杂地质矿山开采安全技术工程中心
基金: 贵州省科技计划项目(黔科合支撑[2018]2789)
分类号: TD713
DOI: 10.13272/j.issn.1671-251x.2019010054
页码: 68-73
总页数: 6
文件大小: 174K
下载量: 235
相关论文文献
标签：煤与瓦斯突出强度预测论文; 局部线性嵌入论文; 果蝇算法论文; 神经网络论文; 大数据处理论文;