基于CFOA-GRNN的冲击地压危险等级预测

发布时间：2017-07-20 11:14

  本文关键词：基于CFOA-GRNN的冲击地压危险等级预测

  更多相关文章： 冲击地压 分级预测 混沌果蝇优化算法(CFOA) 广义回归神经网络(GRNN) 敏感性分析

【摘要】：针对冲击地压影响因素模糊、非线性等特性,选用一种混沌果蝇优化算法改进的广义回归神经网络(CFOA-GRNN),通过引入混沌扰动因子,增加网络的参数搜寻能力,建立冲击地压危险等级预测模型。模型选取煤层厚度、埋深等10个主要影响因素。以砚台煤矿的35个样本数据对模型进行学习、训练和预测,并将预测结果与传统预测模型的结果进行比较;同时采用敏感性分析法,评价各主要因素对模型精度的影响。结果表明煤层倾角影响最大,其次为卸压方式。研究表明,所构建的CFOA-GRNN模型正确率为92.8%,明显优于传统预测模型。
【作者单位】： 中南大学资源与安全工程学院;
【关键词】： 冲击地压 分级预测 混沌果蝇优化算法(CFOA) 广义回归神经网络(GRNN) 敏感性分析
【基金】：“十二五”国家科技支撑计划项目(2013BAB02B05)
【分类号】：TD324;TP183
【正文快照】： 0法——电辐射法[2]考虑了现场岩性特点,有试验研引言究支撑,实践中取得了一定效果。但是,由于地当煤岩体承受压力超过自身强度极限时,煤质性质的复杂及多变的外部因素影响,仅考虑单岩体周围聚集的能量会突然释放,导致煤岩体失项或几项因素的传统现场预测方法存在很大局限稳,

【相似文献】

中国期刊全文数据库 前10条

1 吴大中;吴丽华;;基于改进的GRNN的固体氧化物燃料电池辨识模型研究[J];能源研究与信息;2013年04期

2 胡大伟;卞新民;李思米;许泉;;基于GRNN网络模型的土壤重金属空间分布的研究[J];土壤通报;2007年02期

3 蒋必辞;潘保芝;庄华;张海涛;杨小明;陈刚;;改进GRNN网络预测致密砂岩气层压裂产能[J];世界地质;2014年02期

4 李朝将;凡银生;李强;;基于GRNN的电火花线切割加工工艺预测[J];华中科技大学学报(自然科学版);2012年S2期

5 丁磊;;油田测试工作中GRNN类神经网络应用探讨[J];中国石油和化工标准与质量;2013年07期

6 张永勇;许国根;;基于GRNN模型的肼类化合物毒性参数构效分析[J];化学推进剂与高分子材料;2014年03期

7 张如意;王学雷;;基于GRNN的酱油种曲孢子数预测模型[J];中国调味品;2012年10期

8 ;ARTIFICIAL NEURAL NETWORKS-MODELING, PROGRAMMING AND APPLICATION IN MATERIAL HOT WORKING[J];Acta Metallurgica Sinica(English Letters);2000年02期

9 郭卫东;倪开诚;孙旭东;张长江;陈文荣;;基于CWT和GRNN的可见-近红外漫反射光谱检测樱桃糖度的研究[J];食品科学;2009年12期

10 谢水英;黄芳;;基于GRNN神经网络的800H合金热变形预测[J];热加工工艺;2014年12期

中国重要会议论文全文数据库 前10条

1 银涛;俞集辉;;基于GRNN的电力系统短期负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25届中国控制与决策会议论文集[C];2013年

3 陈其红;阚树林;秦臻;;基于广义回归神经网络(GRNN)的设备可靠性预测[A];2011年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第三次全体委员大会论文集[C];2011年

4 柴毅;凌睿;;基于参数优化与GRNN逼近的非线性PID控制[A];第二十六届中国控制会议论文集[C];2007年

5 徐中;张敬莹;赵小波;;基于GRNN的粘弹材料阻尼性能的预测[A];第六届中国功能材料及其应用学术会议论文集（10）[C];2007年

6 王小辉;王琪洁;;基于广义回归神经网络的日长变化的高精度预报[A];中国天文学会2011年学术年会手册[C];2011年

7 马珊;庞永杰;张铁栋;;基于GRNN的声图像特征研究[A];第十五届中国海洋（岸）工程学术讨论会论文集(上)[C];2011年

8 陈端;曹阳;梅一韬;仲云飞;吴邦彬;;GRNN神经网络在大坝渗流预测中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

9 李慧英;李晓奇;;旅游需求预测分析——对比GRNN与多元回归分析方法的应用[A];第四届中国智能计算大会论文集[C];2010年

10 陈欣;肖建华;栾培贤;徐强;王洪斌;;基于BP与GRNN神经网络的PRRS预测模型的研究[A];中国畜牧兽医学会信息技术分会2012年学术研讨会论文集[C];2012年

中国硕士学位论文全文数据库 前4条

1 赵焕;轻涂纸涂布量测定方法的实验研究[D];天津科技大学;2013年

2 董江伟;风速相似性形态研究及其在短期风速预测中的应用[D];南京信息工程大学;2016年

3 金帅军;基于GRNN神经网络的农作物虫害量预测系统设计[D];内蒙古工业大学;2013年

4 任茹香;基于GRNN的变权重组合预测模型在传染病发病率预测中的应用[D];浙江大学;2011年

，

本文编号：567739