基于混沌粒子群神经网络的瓦斯浓度预测

发布时间：2018-01-27 01:38

本文关键词： 瓦斯浓度预测煤矿安全混沌分析粒子群优化径向基函数神经网络预报预警　出处：《中国煤炭》2017年03期 　论文类型：期刊论文

【摘要】：通过定量法确定瓦斯浓度数据具有混沌特性,计算瓦斯序列的延迟时间和最优嵌入维数并对其相空间重构。在混沌分析的基础上结合人工神经网络技术,针对传统RBFNN模型参数确定的问题,提出通过粒子群算法对网络参数优化,建立了CT—PSO—RBFNN预测模型。利用实际煤矿监测数据对提出的模型训练预测,并与其他3种模型横向对比,得出性能排序为CT—PSO—RBFNNT—PSO—RBFNNCT—RBFNNT—RBFNN。结果证明,CT—PSO—RBFNN模型预测精度高、预测误差小、性能稳定,能够为瓦斯灾害的预报预警提供一定技术支持。
[Abstract]:The gas concentration data are determined to be chaotic by quantitative method, the delay time and the optimal embedding dimension of gas sequence are calculated and the phase space is reconstructed. Based on the chaos analysis, the artificial neural network technology is combined. Aiming at the problem of parameter determination of traditional RBFNN model, particle swarm optimization (PSO) algorithm is proposed to optimize the network parameters. The CT-PSO-RBFNN prediction model is established. The model is trained and forecasted by using the actual coal mine monitoring data, and compared with the other three models. The order of performance is CT-PSO-RBFNNT-PSO-RBFNNNCT-RBFNNT-RBFNNN. The prediction accuracy of CT-PSO-RBFNN model is high, the prediction error is small, and the performance is stable, which can provide certain technical support for the forecast and early warning of gas disaster.
【作者单位】：中国矿业大学(北京)机电学院;
【分类号】：TD712.3
【正文快照】： 我国煤矿开采环境恶劣,安全事故时有发生, 线性动力系统随时空演变具有不确定性。由于目前其中瓦斯事故所占比例高且有诱发煤与瓦斯突出等对瓦斯突出机理的研究尚未达到精确模型化的阶段,其他灾害并发的可能。瓦斯灾害事故的预测预警研因此绕过模型问题从观测数据角度研究瓦

【参考文献】

相关期刊论文前10条

1 王丽;;中国煤矿瓦斯突出灾害事故规律与管理对策研究[J];中国煤炭;2016年11期

2 刘庆军;陈坤;刘晓光;;煤与瓦斯突出预测PCA—距离判别法研究[J];中国煤炭;2016年10期

3 韦波;;粒子群优化的RBF神经网络在海上运输事故预测中的应用[J];舰船科学技术;2016年04期

4 刘奕君;赵强;郝文利;;基于遗传算法优化BP神经网络的瓦斯浓度预测研究[J];矿业安全与环保;2015年02期

5 徐东辉;李岳林;解福泉;丁景峰;杨巍;;基于混沌RBF神经网络的汽油机瞬态工况油膜参数辨识研究[J];内燃机工程;2015年03期

6 单亚锋;侯福营;付华;马静波;;基于改进极端学习机的混沌时间序列瓦斯涌出量预测[J];中国安全科学学报;2012年12期

7 许江;吴鑫;彭守建;杨红伟;;煤层瓦斯吸附解吸过程中温度信号的小波去噪方法[J];重庆大学学报;2011年07期

8 张超;秦荣荣;林柏泉;翟成;朱传杰;;引进算法的分源预测法在安全高效矿井中的应用[J];煤炭工程;2010年10期

9 张淑清;贾健;高敏;韩叙;;混沌时间序列重构相空间参数选取研究[J];物理学报;2010年03期

10 张顶学;关治洪;刘新芝;;基于PSO的RBF神经网络学习算法及其应用[J];计算机工程与应用;2006年20期

【共引文献】

相关期刊论文前10条

1 刘仕兵;葛俊祥;;基于K-means聚类法的牵引供电隔离开关故障状态监测[J];华东交通大学学报;2017年03期

2 谢洋洋;杨帆;俞凯;;EEMD-PSOGSVM耦合模型在深基坑位移预测中的应用[J];大地测量与地球动力学;2017年06期

3 吴海波;施式亮;念其锋;;基于Spark Streaming流回归的煤矿瓦斯浓度实时预测[J];中国安全生产科学技术;2017年05期

4 李树杉;张宇;周明;靳世久;;混沌粒子群优化的RBF神经网络在热油管道仿真中的应用[J];纳米技术与精密工程;2017年03期

5 陈学飞;徐明浩;;基于GA-BP神经网络的关节臂式坐标测量机误差预测模型建立[J];工业计量;2017年S1期

6 徐青伟;王兆丰;;吨煤瓦斯抽采量与百万吨死亡率的定量关系研究[J];中国煤炭;2017年04期

7 赵抢抢;侯保林;;函数型数据分析与优化极限学习机结合的弹药传输机械臂参数辨识[J];工程科学学报;2017年04期

8 王红君;蒋伟杰;赵辉;岳有军;;钢铁企业转炉炼钢耗氧量预测模型研究[J];计算机仿真;2017年04期

9 耿越;;基于混沌粒子群神经网络的瓦斯浓度预测[J];中国煤炭;2017年03期

10 何惠君;;长壁工作面瓦斯抽采技术优化研究[J];中国煤炭;2017年03期

【二级参考文献】

相关期刊论文前10条

1 姜波;李云波;屈争辉;李明;;瓦斯突出预测构造-地球化学理论与方法初探[J];煤炭学报;2015年06期

2 赵振海;;煤矿安全风险预控管理体系与质量标准化体系比较探究[J];中国煤炭;2014年04期

3 李波;王凯;魏建平;田涛;李鹏;;2001—2012年我国煤与瓦斯突出事故基本特征及发生规律研究[J];安全与环境学报;2013年03期

4 刘一鸣;花志远;陈永全;;广义预测控制算法在发动机空燃比控制中的应用[J];汽车工程;2013年05期

5 陈帝伊;柳烨;马孝义;;基于径向基函数神经网络的混沌时间序列相空间重构双参数联合估计[J];物理学报;2012年10期

6 付华;姜伟;单欣欣;;基于耦合算法的煤矿瓦斯涌出量预测模型研究[J];煤炭学报;2012年04期

7 吕伏;梁冰;孙维吉;王岩;;基于主成分回归分析法的回采工作面瓦斯涌出量预测[J];煤炭学报;2012年01期

8 高光勇;蒋国平;;采用优化极限学习机的多变量混沌时间序列预测[J];物理学报;2012年04期

9 刘国海;张东娟;梅从立;;基于IRLS-ELM生物发酵在线软测量建模方法[J];东南大学学报(自然科学版);2011年S1期

10 陶慧;祁佩棉;;基于遗传算法的煤与瓦斯突出影响因素研究[J];河南理工大学学报(自然科学版);2011年03期

【相似文献】

相关期刊论文前10条

1 野田和俊 ,吴余超;矿用瓦斯自动警报器的响应特性[J];煤矿安全;1984年09期

2 瑞语;又见瓦斯,又见瓦斯[J];百科知识;2005年01期

3 解张伟;;瓦斯到底能怎么样造福人类?[J];党政干部文摘;2005年10期

4 邴吉杰;浅议瓦斯管路系统中阻爆装置的应用[J];煤矿安全;2000年07期

5 李学诚;安全排放瓦斯的作法[J];煤矿安全;2001年01期

6 郑丙建,王彦凯,王建林,付国延;调压技术在防治瓦斯中的应用[J];煤矿安全;2001年07期

7 尹志华;排放高浓度盲巷瓦斯造成全风压汇合处瓦斯逆流的原因分析[J];矿业安全与环保;2002年01期

8 李子林 ,李之军;潘西煤矿高瓦斯区瓦斯规律及防治对策[J];山东煤炭科技;2002年05期

9 聂光国,张建国;综合防治瓦斯解放生产力[J];中国煤炭;2003年11期

10 聂光国 ,张建国;综合防治瓦斯解放生产力[J];河南科技;2003年10期