| 基于改进广义回归神经网络的工作面低氧预测模型研究 |
| |
| 作者姓名： | 杨小彬 王逍遥 周世禄 张子鹏 |
| |
| 作者单位： | 中国矿业大学(北京)应急管理与安全工程学院,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 100083 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金 |
| |
| 摘 要： | 为了更有效合理地解决煤矿工作面中低氧问题,以神东某煤矿工作面监测数据为样本, 考虑监测物理参数之间的相互影响关系,借助主成分分析法对广义回归神经网络(GRNN)进行 改进,构建工作面氧气浓度预测模型,编制改进的GRNN模型程序。 将预测氧气浓度结果与实测 数据对比,证明改进后的GRNN模型具有良好的拟合准确度和泛化能力,比改进前GRNN模型和 BP神经网络模型更适合于煤矿工作面低氧问题的预测;利用改进的GRNN模型分析了工作面 进、回风压力及进风温度对工作面及回风平巷氧浓度的影响,为矿井工作面低氧预测及工作面低 氧防治技术提供了参考。
|
| 关 键 词： | 低氧问题 广义回归神经网络 预测模型 泛化能力 |
Prediction model of working face hypoxia based on improved generalized regression neural network |
| |
| Affiliation: | SchoolofEmergencyManagementandSafetyEngineering,ChinaUniversityofMiningandTechnology,Beijing100083,China |
| |
| Abstract: | Inordertosolvetheproblemofworkingfacehypoxiaincoalminemoreeffectivelyandreasonably,animprovedgeneralneuralnetwork(GRNN)modelforpredictionofoxygenconcentrationin coalminewasconstructed,bytakingthemonitoringdataofaworkingfaceinShendongassamplesand consideringtheinteractionrelationshipbetweenphysicalparameters,basedonprincipalcomponentanalysis.Comparingthepredictedoxygenconcentrationresultswiththemeasureddata,itprovesthatthe improvedGRNN model has good fitting accuracy and generalization ability.By using the improved GRNNmodel,theoriginalGRNNmodelandBPneuralnetworkmodelrespectivelyinthecomparative analysisofhypoxiaproblems,itfoundthattheimprovedGRNNmodelhasbettereffectsandismore suitableforthepredictionofhypoxiaproblemsincoalmineface.Theinfluenceofinletairpressure, outletairpressureandinletairtemperatureontheoxygenconcentrationwereanalyzedbytheimproved GRNNmodel.ThisimprovedGRNNmodelcangiveareferencetohypoxiapredictionandhypoxiacontroltechnologyoftheworkingface. |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |
|
