注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 耦合神经网络在瓦斯涌出量动态预测中的应用

  2. 为了更有效、准确地对煤矿瓦斯涌出量进行预测,保障煤矿生产安全,提出了一种基于改进果蝇算法(MFOA)优化Elman神经网络(ENN)的智能动态预测方法.首先,利用主成分分析法(PCA)对煤矿瓦斯涌出量监测数据进行降维处理;其次,引入果蝇算法以改进的自适应搜索步长进行搜索,以此实现对ENN网络参数的全局寻优,从而建立基于MFOA-ENN的煤矿瓦斯涌出量动态预测模型,并对预测效果进行了验证.实验结果表明:MFOA-ENN模型的平均相对变动值为0.003 7、均方根误差为0.102 6、平均相对误差为

  3. 所属分类：其它

    • 发布日期：2020-04-29
    • 文件大小：975872
    • 提供者：weixin_38623707

  1. 优化神经网络模型在瓦斯涌出预测中的应用

  2. 为准确预测矿井瓦斯涌出量,降低瓦斯涌出带来的危害,通过灰色关联分析理论得出影响瓦斯涌出量的主要因素为原始瓦斯含量>煤层厚度>煤层埋深>工作面长度>推进速度>煤层倾角,通过优化RBF模型对瓦斯涌出量预测模型进行构建,并运用Matlab仿真模拟预测矿井瓦斯涌出量,结果显示:基于优化RBF模型仿真模拟预测得出的矿井瓦斯涌出量与实际瓦斯涌出量非常接近,5组预测数据中,最大误差为3.6%,最小误差为0.8%,平均误差为1.84%,预测精度较高,可应用于矿井瓦斯涌出量的预测当中

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：266240
    • 提供者：weixin_38715048

  1. 基于多粒子群优化的RBF神经网络瓦斯涌出量模型研究

  2. 针对井下瓦斯涌出量预测的问题,建立RBF神经网络,引入多粒子群优化神经网络模型。多粒子群算法分割经典的单粒子群算法为多个线程,同时优化了学习因子和惯性权重,这样既增加算法的遍历性又使算法的二次精细搜索能力增强。

  3. 所属分类：其它

    • 发布日期：2020-07-08
    • 文件大小：225280
    • 提供者：weixin_38686267

  1. 基于RBF神经网络的瓦斯涌出量预测

  2. 传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。

  3. 所属分类：其它

    • 发布日期：2020-07-05
    • 文件大小：241664
    • 提供者：weixin_38544978

  1. 基于RBF神经网络的煤矿瓦斯涌出量预测

  2. 煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一种局部神经网络模型,在函数回归、序列预测中具有很好的应用效果。文中提出了将径向基神经网络用于预测煤矿瓦斯涌出量的想法,并分析了可行性。

  3. 所属分类：其它

    • 发布日期：2020-07-05
    • 文件大小：208896
    • 提供者：weixin_38747978