小波包神经网络预测方法在瓦斯涌出量中的应用

发布时间：2018-06-17 23:22

  本文选题：小波包神经网络 + 删除策略　； 参考：《微电子学与计算机》2016年03期

【摘要】：针对煤矿井下回采工作面瓦斯积聚和瓦斯超限等严重问题,将小波包神经网络模型引入煤矿瓦斯涌出量预测中.首先由改进小波包变化对采集数据进行分解、重构并提取特征向量,然后输入到基于动态节点生成算法的RBF神经网络模型中训练学习,同时采用删除策略简化该模型,最后通过时频联合仿真验证.结果表明,WP-RBF模型在预测精度及训练误差方面明显优于QPSO-RBF模型,是一种非常适合煤矿瓦斯量预测的有效方法.
[Abstract]:Aiming at the serious problems of gas accumulation and gas overrun in coal mining face, the wavelet packet neural network model is introduced into the prediction of coal mine gas emission. Firstly, the collected data is decomposed by improved wavelet packet change, then the feature vector is reconstructed and extracted, then input into the RBF neural network model based on dynamic node generation algorithm, and the deletion strategy is adopted to simplify the model. Finally, it is verified by time-frequency joint simulation. The results show that WP-RBF model is superior to QPSO-RBF model in prediction accuracy and training error, and it is an effective method for coal mine gas quantity prediction.
【作者单位】： 辽宁工程技术大学基础教学部;辽宁工程技术大学电气与控制工程学院;
【基金】：国家自然科学基金项目(51274118) 辽宁省教育厅基金(L2012119)
【分类号】：TD712.5;TP183

【参考文献】

相关期刊论文 前8条

1 赵鸿图;刘云;;改进粒子群算法的小波神经网络语音去噪[J];计算机测量与控制;2013年10期

2 付华;谢森;徐耀松;陈子春;;基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究[J];中国安全科学学报;2013年05期

3 潘玉民;邓永红;张全柱;薛鹏骞;;基于QPSO-RBF的瓦斯涌出量预测模型[J];中国安全科学学报;2012年12期

4 郭伟;张栋;李巨韬;王磊;;改进型BP神经网络对电容称重传感器的非线性校正[J];传感技术学报;2012年10期

5 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

6 冷军发;荆双喜;陈东海;吴中青;;基于小波包与同态滤波的低速重载齿轮箱故障诊断研究[J];煤炭学报;2006年05期

7 徐涛;王祁;;基于小波包神经网络的传感器故障诊断方法[J];传感技术学报;2006年04期

8 汪家道,孔宪梅,陈大融;节点自删除神经网络及其在磨粒识别中的应用[J];清华大学学报(自然科学版);1998年04期

相关博士学位论文 前1条

1 李绍泉;近距离煤层群煤与瓦斯突出机理及预警研究[D];中国矿业大学（北京）;2013年

【共引文献】

相关期刊论文 前10条

1 仲维清;孙健巍;;极限学习机在采空区自然发火预测中的应用[J];辽宁工程技术大学学报(自然科学版);2016年06期

2 谢国民;谢鸿;付华;闫孝Y，

本文编号：2032909