基于ACA-BP神经网络瓦斯发电预测的研究

发布时间：2021-03-15 02:26

　　针对瓦斯发电量的预测,提出一种间接预测方法。该方法首先通过对瓦斯涌出量的预测,得到煤矿瓦斯的涌出量,再根据经验公式,实现了对瓦斯发电量的预测。为了得到瓦斯涌出量的精确数据,综合运用蚁群算法优化算法和BP神经网络构建了预测模型,模型首先运用蚁群算法中的ant cycle system模型全局优化,对BP神经网络的权值与阈值进行搜索,获得输入层、隐含层的最优权值和阈值,并以此用作于BP网络的训练和预测。结果显示,采用优化后的模型进,平均绝对误差MAE由0.7309降到0.2053、均方根误差RMSE由0.7852降到0.2405,预测结果的决定系数由0.7448上升到0.9539,预测精度都得到了明显的提高。 

【文章来源】：工业控制计算机. 2020,33(09)

【文章页数】：4 页

【部分图文】：

流程图

瓦斯涌出量预测值曲线

瓦斯发电量预测值曲线

【参考文献】：
期刊论文
[1]矿山压力对煤矿瓦斯涌出影响实验分析及其控制[J]. 何满潮,任晓龙,宫伟力,张晓虎,王春光.  煤炭学报. 2016(01)
[2]基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究[J]. 付华,谢森,徐耀松,陈子春.  煤炭学报. 2014(07)
[3]基于安全行为的煤矿安全管理系统模型[J]. 曹庆仁.  煤矿安全. 2014(04)
[4]长壁采煤工作面瓦斯涌出量影响因素实测研究[J]. 崔鸿伟.  煤炭科学技术. 2011(11)
[5]国产瓦斯发电机组单位瓦斯发电情况及影响因素分析[J]. 李建广,应中宝,武逢平,洪丹丹.  中国煤层气. 2011(04)
[6]回采工作面瓦斯涌出BP神经网络分源预测模型及应用[J]. 朱红青,常文杰,张彬.  煤炭学报. 2007(05)

硕士论文
[1]IACA-WNN模型在瓦斯涌出量中预测及瓦斯防治技术研究[D]. 梁栋.西安科技大学 2018
[2]瓦斯发电系统模块建模与仿真研究[D]. 孙虎.中国矿业大学 2014



本文编号：3083393