基于改进PSO算法优化GRNN的煤与瓦斯突出预测
发布时间：2021-10-21 21:34
为提高区域性煤与瓦斯突出预测模型的预测准确度并减小预测均方误差,提出了一种基于改进的粒子群优化（PSO）算法优化的广义回归神经网络（GRNN）。以网络的光滑因子为自变量、网络误差为目标函数,通过改进PSO算法搜索出误差的全局最小值,找出网络的最优光滑因子,用优化后的GRNN进行煤与瓦斯突出预测,并以淮南矿区的实测数据训练和检验该模型。试验结果表明,基于改进粒子群优化算法优化的GRNN模型预测准确率为95%,实际突出数据的预测准确率为100%,实际不突出数据的预测准确率为93.3%。相较于PSO算法和果蝇优化算法（FOA）优化的GRNN预测结果,该模型的预测准确率最高,均方误差最小,具有更好的泛化能力,为煤与瓦斯突出智能预测提供了新的方案。
【文章来源】：长江大学学报(自然科学版). 2020,17(02)
【文章页数】：6 页
【部分图文】：
GRNN结构示意图
表3 改进PSO算法优化GRNN预测结果 序号 瓦斯含量/(m3·t-1) 瓦斯压力/MPa 瓦斯放散初速度/(m·s-1) 煤层坚固性系数/1 孔隙率/% 预测结果 实际结果 对比 1 0.437853107 0.219354839 0.875 0.41509434 0.429429429 1 1 正确 2 0.668079096 0.419354839 0.625 0.132075472 0.184684685 1 1 正确 3 1 1 0.375 1 0.339339339 1 1 正确 4 0.923728814 0.774193548 0.625 0.745283019 0.249249249 1 1 正确 5 0.376412429 0.164516129 1 0.452830189 0.099099099 1 1 正确 6 0.11440678 0.129032258 0.25 0.386792453 0.144144144 0 0 正确 7 0.197740113 0.129032258 0.75 0.311320755 0.262762763 0 0 正确 8 0.096045198 0.064516129 0.25 0.358490566 0.504504505 0 0 正确 9 0.20480226 0.161290323 0.75 0.283018868 0.129129129 0 0 正确 10 0.131355932 0.103225806 0.125 0.386792453 0.249249249 0 0 正确 11 0.341101695 0.096774194 0.625 0.41509434 0.489489489 0 0 正确 12 0.151129944 0.090322581 0.25 0.386792453 0.504504505 0 0 正确 13 0.293785311 0.096774194 0.75 0.301886792 0.663663664 1 0 错误 14 0.089689266 0.129032258 0.25 0.009433962 0.402402402 0 0 正确 15 0.075564972 0.141935484 0.25 0.509433962 0.963963964 0 0 正确 16 0.136299435 0.135483871 0.25 0.594339623 0.504504505 0 0 正确 17 0.125706215 0.35483871 0.375 0.009433962 0.512012012 0 0 正确 18 0.110169492 0.141935484 0.125 0.386792453 0.339339339 0 0 正确 19 0.041666667 0.129032258 0.25 0.698113208 0.399399399 0 0 正确 20 0.118644068 0.096774194 0 0.386792453 0.534534535 0 0 正确改进PSO算法的预测结果中第13个预测错误,实际突出数据的预测准确率为100%,实际不突出数据的预测准确率为93.3%,总体预测准确率为95%。
【参考文献】：
期刊论文
[1]基于异构数据集成的煤与瓦斯突出监控预警系统[J]. 李明建. 工矿自动化. 2018(01)
[2]煤与瓦斯突出预警方法探讨[J]. 赵旭生,宁小亮,张庆华,马国龙. 工矿自动化. 2018(01)
[3]煤与瓦斯突出综合预警系统应用[J]. 朱振,吴保磊,孟杰,陶云奇,王峰. 工矿自动化. 2017(08)
[4]基于CAS理论的改进PSO算法[J]. 刘举胜,何建佳,李鹏飞. 计算机工程与应用. 2017(05)
[5]煤与瓦斯突出预测的NN-SVM模型[J]. 谢国民,谢鸿,付华,闫孝姮. 传感技术学报. 2016(05)
[6]基于突变级数法的煤与瓦斯突出危险性预测[J]. 沈志伟,王恩元,钮月. 工矿自动化. 2015(05)
[7]FOA优化GRNN网络的尾矿库安全预测[J]. 聂娜娜,王英博,王铭泽,李仲学. 中国安全生产科学技术. 2014(08)
[8]煤与瓦斯突出地质控制机理探讨[J]. 闫江伟,张小兵,张子敏. 煤炭学报. 2013(07)
[9]基于粒子群算法和广义回归神经网络的岩爆预测[J]. 贾义鹏,吕庆,尚岳全. 岩石力学与工程学报. 2013(02)
[10]突出区域煤层孔隙瓦斯赋存规律研究[J]. 吴丽丽,罗新荣,周昀涵. 煤炭技术. 2012(06)
本文编号：3449752
【文章来源】：长江大学学报(自然科学版). 2020,17(02)
【文章页数】：6 页
【部分图文】：
GRNN结构示意图
表3 改进PSO算法优化GRNN预测结果 序号 瓦斯含量/(m3·t-1) 瓦斯压力/MPa 瓦斯放散初速度/(m·s-1) 煤层坚固性系数/1 孔隙率/% 预测结果 实际结果 对比 1 0.437853107 0.219354839 0.875 0.41509434 0.429429429 1 1 正确 2 0.668079096 0.419354839 0.625 0.132075472 0.184684685 1 1 正确 3 1 1 0.375 1 0.339339339 1 1 正确 4 0.923728814 0.774193548 0.625 0.745283019 0.249249249 1 1 正确 5 0.376412429 0.164516129 1 0.452830189 0.099099099 1 1 正确 6 0.11440678 0.129032258 0.25 0.386792453 0.144144144 0 0 正确 7 0.197740113 0.129032258 0.75 0.311320755 0.262762763 0 0 正确 8 0.096045198 0.064516129 0.25 0.358490566 0.504504505 0 0 正确 9 0.20480226 0.161290323 0.75 0.283018868 0.129129129 0 0 正确 10 0.131355932 0.103225806 0.125 0.386792453 0.249249249 0 0 正确 11 0.341101695 0.096774194 0.625 0.41509434 0.489489489 0 0 正确 12 0.151129944 0.090322581 0.25 0.386792453 0.504504505 0 0 正确 13 0.293785311 0.096774194 0.75 0.301886792 0.663663664 1 0 错误 14 0.089689266 0.129032258 0.25 0.009433962 0.402402402 0 0 正确 15 0.075564972 0.141935484 0.25 0.509433962 0.963963964 0 0 正确 16 0.136299435 0.135483871 0.25 0.594339623 0.504504505 0 0 正确 17 0.125706215 0.35483871 0.375 0.009433962 0.512012012 0 0 正确 18 0.110169492 0.141935484 0.125 0.386792453 0.339339339 0 0 正确 19 0.041666667 0.129032258 0.25 0.698113208 0.399399399 0 0 正确 20 0.118644068 0.096774194 0 0.386792453 0.534534535 0 0 正确改进PSO算法的预测结果中第13个预测错误,实际突出数据的预测准确率为100%,实际不突出数据的预测准确率为93.3%,总体预测准确率为95%。
【参考文献】：
期刊论文
[1]基于异构数据集成的煤与瓦斯突出监控预警系统[J]. 李明建. 工矿自动化. 2018(01)
[2]煤与瓦斯突出预警方法探讨[J]. 赵旭生,宁小亮,张庆华,马国龙. 工矿自动化. 2018(01)
[3]煤与瓦斯突出综合预警系统应用[J]. 朱振,吴保磊,孟杰,陶云奇,王峰. 工矿自动化. 2017(08)
[4]基于CAS理论的改进PSO算法[J]. 刘举胜,何建佳,李鹏飞. 计算机工程与应用. 2017(05)
[5]煤与瓦斯突出预测的NN-SVM模型[J]. 谢国民,谢鸿,付华,闫孝姮. 传感技术学报. 2016(05)
[6]基于突变级数法的煤与瓦斯突出危险性预测[J]. 沈志伟,王恩元,钮月. 工矿自动化. 2015(05)
[7]FOA优化GRNN网络的尾矿库安全预测[J]. 聂娜娜,王英博,王铭泽,李仲学. 中国安全生产科学技术. 2014(08)
[8]煤与瓦斯突出地质控制机理探讨[J]. 闫江伟,张小兵,张子敏. 煤炭学报. 2013(07)
[9]基于粒子群算法和广义回归神经网络的岩爆预测[J]. 贾义鹏,吕庆,尚岳全. 岩石力学与工程学报. 2013(02)
[10]突出区域煤层孔隙瓦斯赋存规律研究[J]. 吴丽丽,罗新荣,周昀涵. 煤炭技术. 2012(06)
本文编号：3449752
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3449752.html
