基于CIGOA-ENN耦合算法的瓦斯涌出量预测研究

发布时间：2019-10-21 09:29

【摘要】：煤矿瓦斯灾害是制约矿井安全生产的主要自然灾害之一，严重影响着工人的生命及财产安全，因此认识瓦斯灾害发生的规律和特征、实现瓦斯涌出量的准确预测是防治瓦斯灾害的有效手段，对加强煤矿安全生产有着重要意义。 由于煤矿瓦斯系统是一个复杂的、时变的非线性动态系统，因此利用传统的线性预测方法建立的预测模型很难满足工程实际的需要。基于此，本文提出一种新的智能优化算法：混沌免疫遗传优化算法(Chaotic Immune Genetic Optimization Algorithm, CIGOA)，利用其与Elman神经网络(Elman Neural Network, ENN)有机融合，建立基于CIGOA-ENN耦合算法的非线性动态系统辨识模型，用于瓦斯涌出量的预测，为瓦斯灾害的防治提供决策服务。 论文首先对Elman神经网络的性能进行了分析，介绍了其优缺点，对于该神经网络收敛速度慢、易早熟的问题，提出利用遗传算法对其进行改进。接下来分析了遗传算法(GeneticAlgorithm, GA)的运行机理，针对GA在求解多峰、高维、非线性优化问题时，容易早熟收敛的缺陷，论文引入人工免疫思想和混沌优化思想，对GA进行改进，提出了混沌免疫遗传优化算法。该算法在种群进化过程中，对个体进行克隆扩增、自适应交叉、混沌变异、免疫选择，以改善算法的全局搜索能力，提高其搜索精度。然后，将CIGOA与Elman神经网络融合，利用CIGOA对Elman神经网络的权值与阈值进行寻优，建立基于CIGOA-ENN耦合算法的瓦斯涌出量系统辨识模型，并利用矿井监测到的各项历史数据进行仿真。试验结果表明，该模型与BPNN、GA-ENN等神经网络预测模型相比，其收敛速度更快、收敛精度更高、鲁棒性更强，为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。
【图文】：

神经网络具有极强的自学中，不需要对瓦斯涌出量与其他经网络模型进行训练即可，它能，从而发现人类尚未认识到的事提下，将动态反馈型 Elman 神经概述的结构和学习方式脑神经活动进行学习、判断、推)互相连接而形成的复杂网络系统络单元，其模型如图 2.1 所示[18

辽宁工程技术大学硕士学位论文1 )nj ij ijx w 网络一般由输入层、中间层、输出层组成。各层神经元数结果传递给中间层，中间层是网络的内部处理单元层，通征提取等处理过程，，特别地，中间层与外部隔离，因此被果。网络不受辨识系统的模型限制，而是仅仅根据被控系统给断的训练学习，从而得到一个输入与输出数据间的数学关统辨识具有很好的效果[19]。其基本工作原理如图 2.2。
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TD712.5

【参考文献】

相关期刊论文 前10条

1 吴财芳,曾勇;基于遗传神经网络的瓦斯含量预测研究[J];地学前缘;2003年01期

2 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期

3 焦李成,杜海峰;人工免疫系统进展与展望[J];电子学报;2003年10期

4 毕惟红;任红民;吴庆标;;一种新的遗传算法最优保存策略[J];浙江大学学报(理学版);2006年01期

5 葛宏伟,梁艳春;进化Elman神经网络模型与非线性系统辨识[J];吉林大学学报(工学版);2005年05期

6 余建军,郑锋,孙树栋;一种新的免疫算法[J];计算机工程与应用;2004年23期

7 蔡良伟,李霞;一种带融合操作的实数多种群遗传算法[J];计算机工程与应用;2005年13期

8 高钦和;王孙安;;基于Elman神经网络的非线性动态系统辨识[J];计算机工程与应用;2007年31期

9 赵鹏伟;;矿山统计法预测综放工作面瓦斯涌出量[J];机械管理开发;2006年03期

10 吴佳英;李平;郑金华;胡宁静;;一种改进多亲遗传算法的并行模型研究[J];计算机工程;2007年05期

本文编号：2551344