煤矿冲击地压预测的PCA-GRNN神经网络方法

发布时间：2019-07-12 14:00

【摘要】：为了更合理有效地解决煤矿冲击地压危险性预测问题,引入主成分分析法对广义回归神经网络的输入样本进行信息压缩,得到冲击地压危险性影响因素的主成分因子,构建BPNN、GRNN、PCA—BP、PCA—GRNN 4种神经网络模型。预测结果表明所建PCA—GRNN模型较之其它3种模型整体工作性能优势明显,具有很好的预测能力和泛化能力,能较好解释冲击地压与各影响因素间的关系。
文内图片：
图片说明： 较多的优化回归逡逑Ｋ１逦ｆｆｉ，适用于冲击地压预测。逡逑４应用实例逡逑西二盘区１Ｐ煤层８９２９工作面位于井田北部，逡逑走向长３６５邋ｍ，倾斜长７５邋ｍ，开采深度３２０邋ｍ，煤逡逑厚８？１２邋ｍ，倾角６°？１３°。基本顶为厚５０？６０邋ｍ逡逑的灰白色中砂岩，，底板为２．５？３．０邋ｍ灰色中、细逡逑砂岩。地质构造复杂，区内有Ｆ，断层斜穿过该区逡逑Ｈ—邋ｍ逦＾邋；２逦域，断层落差２．０？３．５邋ｍ。据地质和生产部门的逡逑训练频数逦统计资料，煤层厚度和煤层倾角相对变化较大，巷逡逑图１神经网络模型训练误差曲线逦道顶板管理整体水平一般’响煤炮声较为频繁；同逡逑＾逦＾逦时’由于采用多种防冲措施，卸压效果较好。现对逡逑应用检验样本进行网络预测准确性测试，４种逦＋邋＾邋＋邋＋逦７＝．ｎｌ逡逑ｍ邋ｊ．，，逦＾逦该工作面进行冲击地压危险性ＰＣＡ邋—ＧＲＮＮ预测，逡逑神经网络ih型预测结果对比如图２所本，ＰＣＡ—逦，，逡逑首先将井下实地调研所得冲击地压预测样本数据标逡逑ＧＲＮＮ模型的预测能力整体上明显高于ＢＰＮＮ、逦此儿从廿奸ｍ逡逑＾逦准化处理．其结果为（０．８６６７，邋０．９４５５，邋０．４５１２，逡逑ＧＲＮＮ、ＰＣＡ邋—邋ＢＰＮＮ邋模型。逡逑１．００００，０．５０００，逦０．５０００，逦０．３３３３，逦０．邋６６６７，逡逑１．００００）；然后再进行ＰＣＡ分析以获得包含数据主逡逑Ｉ逦要信息的主成分，其结果为（－０＿邋２７８２，逡逑ｇ邋ＩＩＩＨ丨丨丨丨丨丨１１丨丨１丨丨丨丨

本文编号：2513748