煤矿瓦斯涌出量的非线性降维Elman动态预测模型

发布时间：2018-03-08 07:33

  本文选题：绝对瓦斯涌出量　切入点：非线性映射　出处：《辽宁工程技术大学学报(自然科学版)》2017年04期 　论文类型：期刊论文

【摘要】：为对回采工作面绝对瓦斯涌出量进行有效预测,提出非线性降维的改进Elmand动态预测模型.模型采用非线性映射在特征空间内对数据进行有效降维,以此确定神经网络输入数目,并利用自适应蚁群微分进化算法对改进的Elman神经网络(IENN)的阈值、权值、自反馈因子和增益因子行全局寻优.将该预测模型用于矿井监测的历史数据进行检验.研究结果表明:模型能够有效地减少预测模型的输入变量个数,并且相比其他预测模型提高了预测的精度和效率.
[Abstract]:In order to effectively predict the absolute gas emission in mining face, an improved Elmand dynamic prediction model for nonlinear dimensionality reduction is proposed. The nonlinear mapping is used to effectively reduce the dimension of the data in the feature space, so as to determine the input number of the neural network. The adaptive ant colony differential evolution algorithm is applied to the threshold and weight of the improved Elman neural network. The self-feedback factor and gain factor are used for global optimization. The prediction model is used to test the historical data of mine monitoring. The results show that the model can effectively reduce the number of input variables in the prediction model. Compared with other prediction models, the prediction accuracy and efficiency are improved.
【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)
【分类号】：TD712.5;TP18

【相似文献】

中国期刊全文数据库 前7条

1 袁仁茂;马凤山;邓清海;徐锡伟;;基于Elman型神经网络的金川二矿地表岩移时序预测模型[J];工程地质学报;2008年01期

2 张玮;张丹;;基于Elman动态神经网络的煤质预测算法研究[J];中国矿业;2013年03期

3 贾花萍;;灰色Elman神经网络的矿井瓦斯涌出量预测[J];计算机技术与发展;2014年06期

4 钱家忠;吕纯;赵卫东;潘婧;;Elman与BP神经网络在矿井水源判别中的应用[J];系统工程理论与实践;2010年01期

5 李建刚;任子晖;刘延霞;;基于Elman神经网络矿用通风机故障诊断的研究[J];煤矿机械;2011年08期

6 王春晓;陈开岩;张宝;;基于Elman组合预测模型的瓦斯涌出量预测[J];黑龙江科技学院学报;2011年04期

7 ;[J];;年期

，

本文编号：1582959