| 基于PCA-FOA-GRNN的回采工作面瓦斯涌出量预测 |
| |
| 引用本文： | 撒占友,綦鲁杰,刘岩. 基于PCA-FOA-GRNN的回采工作面瓦斯涌出量预测[J]. 煤矿安全, 2015, 46(1): 133-136 |
| |
| 作者姓名： | 撒占友 綦鲁杰 刘岩 |
| |
| 作者单位： | 青岛理工大学 安全科学与工程系,山东青岛266520 |
| |
| 摘 要： | 回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰。选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98%,低于传统GRNN模型的7.06%。
|
| 关 键 词： | 回采工作面 瓦斯涌出量 广义回归神经网络 果蝇算法 主成分分析 |
Gas Emission Prediction of Working Face Based on PCA-FOA-GRNN |
| |
| SA Zhanyou , QI Lujie , LIU Yan. Gas Emission Prediction of Working Face Based on PCA-FOA-GRNN[J]. Safety in Coal Mines, 2015, 46(1): 133-136 |
| |
| Authors: | SA Zhanyou QI Lujie LIU Yan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
