煤矿冲击地压预测的PCA-GRNN方法

发布时间：2017-11-30 13:35

  本文关键词：煤矿冲击地压预测的PCA-GRNN方法

  更多相关文章： 冲击地压 主成分分析法(PCA) 广义回归神经网络(GRNN) 电磁辐射 预警技术

【摘要】：为更合理有效地解决煤矿开采引起的冲击地压危险性预测问题,以忻州窑煤矿冲击地压事故为工程背景,采用一种数据降维算法—主成分分析法(PCA),对广义回归神经网络(GRNN)的输入样本进行信息压缩,构建冲击地压危险性预测的PCA-GRNN模型。通过PCA法提取影响冲击地压强度的煤层厚度、倾角等9个因素,得到冲击地压危险性影响因素的前4个主成分因子表达式,并构建BPNN,GRNN和PCA-BP等另外3种模型,验证PCA-GRNN法预测冲击地压危险性的智能性和泛化能力。结果表明,所建PCA-GRNN模型平均训练误差为3.5%,平均预测误差为3.6%,有很好的预测能力和泛化能力。
【作者单位】： 中国科学院大学遥感与数字地球研究所;大同大学煤炭工程学院;武汉理工大学土木工程与建筑学院;中国矿业大学深部岩土力学与地下工程国家重点实验室;
【分类号】：X936;TD324
【正文快照】： 预警技术0引言随着煤矿开采深度的增加,国内冲击型生产矿井逐渐增多,截至2014年底,发生冲击地压的矿井已达147个[1]。冲击地压事故造成了大量人员伤亡和经济损失,严重威胁矿山安全生产。国内外学者分别应用B P-人工神经网络(Artificial Neural Network,ANN)[2]、模糊模式识别[，

本文编号：1239516