基于混沌LogWOA-ESN网络的瓦斯浓度软测量模型研究

发布时间：2023-03-05 15:57

　　降低瓦斯灾害事故发生率是煤矿安全防治工作的重中之重。由于煤与瓦斯突出机理复杂且瓦斯浓度具有非线性动力学特征,采用传统方法进行瓦斯浓度预测往往存在较大误差。神经网络在非线性、时变性系统中具有极强的拟合能力,因此,通过神经网络方法构建软测量模型进行瓦斯浓度预测,成为煤与瓦斯灾害防治的有效手段。为提高瓦斯浓度的预测效果,采用改进的鲸鱼算法(混沌LogWOA)优化回声状态网络(ESN)的方法,构建基于混沌LogWOA-ESN网络的瓦斯浓度软测量模型。主要研究内容如下:首先,为提高算法的寻优能力,提出一种基于混沌映射的对数型非线性收缩因子的混沌LogWOA算法。对传统鲸鱼算法(WOA)主要有两方面的改进:第一,采用混沌优化技术在种群初始化时进行Logistic混沌映射,使初始值分布均匀并提高解的质量。第二,针对WOA算法中的线性收缩因子,提出对数型非线性收缩因子模型以提高算法性能。通过将三角函数、指数函数、幂函数、对数函数五种非线性收缩因子模型进行实验比较,最终选出对数型收缩因子为最佳模型。将单峰函数、多峰函数及固定维度的函数作为测试函数,验证混沌LogWOA算法的优越性。其次,由于传统ESN在...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 瓦斯浓度预测研究现状
        1.2.2 回声状态网络研究现状
        1.2.3 智能优化算法研究现状
    1.3 论文主要工作及组织结构
        1.3.1 研究思路及主要工作
        1.3.2 本文组织结构
2 相关理论及模型概述
    2.1 引言
    2.2 ESN网络
        2.2.1 ESN网络结构模型
        2.2.2 ESN训练过程
        2.2.3 ESN网络性能影响因素
    2.3 WOA算法
        2.3.1 WOA算法基本原理
        2.3.2 WOA算法影响因素分析
    2.4 混沌理论基础
        2.4.1 混沌的定义
        2.4.2 混沌的特征
        2.4.3 相关概念阐述
        2.4.4 经典混沌序列模型
    2.5 本章小结
3 基于混沌映射的非线性收缩因子的鲸鱼算法
    3.1 引言
    3.2 混沌映射
        3.2.1 混沌及其优化
        3.2.2 具体改进方法
    3.3 非线性收缩因子
        3.3.1 线性收缩因子分析
        3.3.2 非线性收缩因子模型构建
    3.4 混沌LOGWOA算法
    3.5 实验与分析
        3.5.1 实验环境及测试函数
        3.5.2 收缩因子模型选取
        3.5.3 算法结果及分析
    3.6 本章小结
4 基于混沌LOGWOA算法优化ESN的瓦斯浓度软测量模型
    4.1 引言
    4.2 混沌LOGWOA-ESN模型构建
        4.2.1 去噪处理
        4.2.2 相空间重构
        4.2.3 混沌LOGWOA-ESN输出权重求解方法
        4.2.4 模型框架
    4.3 实验与分析
    4.4 本章小结
5 总结与展望
    5.1 本文工作总结
    5.2 未来研究展望
致谢
参考文献
附录



本文编号：3756493