基于PCA-BP神经网络的煤与瓦斯突出预测研究

发布时间：2021-08-30 17:20

　　为提高煤与瓦斯突出预测的效率和准确率,将主成分分析（PCA）法与神经网络相结合,对煤与瓦斯突出进行预测。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的因素的相关数据。通过PCA法提取影响因素的主成分,选取贡献率大于80%的3个主成分,代替原有的9个影响因素,将其作为反向传播（BP）神经网络的3个输入参数。将突出强度划分为4个等级,建立PCA-BP煤与瓦斯突出预测模型。选取典型的突出样本对PCA-BP神经网络进行训练,用检验样本检验训练好的网络,结果表明预测符合实际情况。 

【文章来源】：中国安全科学学报. 2013,23(04)北大核心CSCD

【文章页数】：6 页

【部分图文】：

网络训练误差曲线

【参考文献】：
期刊论文
[1]彝良向斜煤矿区瓦斯赋存特征[J]. 乔军伟,张光超.  西安科技大学学报. 2013(01)
[2]超化煤矿煤与瓦斯突出原因及防治对策[J]. 杨治国,董露钢,李占五.  煤炭科学技术. 2013(01)
[3]含瓦斯软弱煤三轴力学特性试验[J]. 赵洪宝,张红兵,尹光志.  重庆大学学报. 2013(01)
[4]基于模糊神经网络方法的信息系统安全风险评价研究[J]. 马丽仪,张露凡,杨宜,范蓓.  中国安全科学学报. 2012(05)
[5]遗传神经网络在累积性环境风险评价中的应用[J]. 陈凯,黄蕾,方强.  环境监控与预警. 2012(02)
[6]基于灰色神经网络的民航事故征候预测模型研究[J]. 王永刚,李辉.  中国安全科学学报. 2012(03)
[7]改进型灰色神经网络在火灾预测中的应用研究[J]. 张栋楠,舒中俊,陈庆全,许滈.  中国安全科学学报. 2012(02)
[8]基于地质动力区划的矿井动力环境研究[J]. 陈蓥,张宏伟,韩军,宋卫华.  世界地质. 2011(04)
[9]构造凹地煤与瓦斯突出发生机制及其危险性评估[J]. 韩军,张宏伟,宋卫华,李胜,兰天伟.  煤炭学报. 2011(S1)
[10]矿区活动断裂空间形态EH4探测[J]. 兰天伟,秦玉珍,韩军.  辽宁工程技术大学学报(自然科学版). 2011(02)



本文编号：3373194