Print

基于LLE-FOA-BP模型的煤与瓦斯突出强度预测

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

  • 0 引言
  • 1 煤与瓦斯突出强度预测模型
  •   1.1 LLE算法
  •   1.2 BP神经网络优化
  •   1.3 LLE-FOA-BP模型
  • 2 实例应用
  •   2.1 煤与瓦斯突出影响因素
  •   2.2 LLE算法特征提取过程
  •   2.3 BP神经网络训练及FOA参数寻优
  •   2.4 预测结果分析
  • 3 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/d35e3de25c295fa2946e7012.html