基于灰色关联熵的煤与瓦斯突出概率神经网络预测模型

发布时间：2021-12-28 19:41

　　煤与瓦斯突出是严重威胁矿井安全生产的重大自然灾害之一。为解决煤与瓦斯突出影响因素、突出危险性关联预测问题,在综合分析煤与瓦斯突出影响因素的基础上,利用灰色关联熵理论分析影响因素与突出危险性的关联度,得到各影响因素的权重及关联度排序,并结合概率神经网络（PNN）原理,构建基于灰色关联熵的煤与瓦斯突出PNN预测模型。用煤与瓦斯突出样本数据,对影响因素加权的PNN模型进行训练和测试。结果表明,用灰色关联熵分析可获得影响因素与突出危险性的关系,量化输入变量的重要性;瓦斯放散初速度、开采深度对于煤与瓦斯突出危险性的影响程度最大,可重点对瓦斯放散初速度、开采深度进行预处理以产生更为理想的预测效果;该预测模型能更好地考虑影响因素对突出危险性的综合影响,改善煤与瓦斯突出危险性预测的准确性。 

【文章来源】：计算机应用研究. 2018,35(11)北大核心CSCD

【文章页数】：4 页

【文章目录】：
0 引言
1 相关理论概述
    1.1 熵权法
    1.2 灰色关联熵分析
    1.3 概率神经网络
2 煤与瓦斯突出危险性预测模型
    2.1 煤与瓦斯突出影响因素
    2.2 影响因素的灰色关联熵分析
    2.3 基于灰色关联熵的煤与瓦斯突出PNN预测模型的建立
    2.4 PNN模型检验及分析
3 结束语


【参考文献】：
期刊论文
[1]瓦斯参数变化对钻孔瓦斯涌出初速度的影响[J]. 候三中.  煤矿现代化. 2016(01)
[2]一种改进的极限学习机煤与瓦斯突出预测模型[J]. 付华,李海霞,卢万杰,徐耀松,王雨虹.  传感技术学报. 2016(01)
[3]煤层底板突水危险性的PNN预测模型研究及应用[J]. 邵良杉,徐波.  中国安全科学学报. 2015(08)
[4]基于灰色关联度分析理论的底板破坏深度预测[J]. 张文泉,赵凯,张贵彬,董毅.  煤炭学报. 2015(S1)
[5]煤与瓦斯突出预测的QGA-LSSVM模型[J]. 温廷新,孙红娟,张波,邵良杉,孔祥博.  中国安全生产科学技术. 2015(05)
[6]煤与瓦斯突出预测的Fisher判别分析法及应用[J]. 毕建武,贾进章,赵博琦,张瑾.  安全与环境学报. 2014(05)
[7]基于网络分析和联系熵的煤与瓦斯突出预测研究[J]. 念其锋,施式亮,李润求.  中国安全生产科学技术. 2014(02)
[8]基于熵权法的煤矿应急救援能力评价[J]. 杨力,刘程程,宋利,盛武.  中国软科学. 2013(11)
[9]基于概率神经网络的城市湖泊生态系统健康评价研究[J]. 肖韬,袁兴中,唐清华,高强,庞志研,祝慧娜,毕温凯,林同云,梁婕,江洪炜,曾光明.  环境科学学报. 2013(11)
[10]基于PNN的煤矿安全生产风险综合预警研究[J]. 念其锋,施式亮,李润求,罗文柯.  中国安全生产科学技术. 2013(10)

博士论文
[1]基于地震信息的煤与瓦斯突出预测与评价方法研究[D]. 崔大尉.中国矿业大学 2015

硕士论文
[1]煤与瓦斯突出IGSA-SVM预测模型及其应用[D]. 李杰.太原理工大学 2016
[2]基于优化支持向量机的煤与瓦斯突出预测研究[D]. 张瑾.辽宁工程技术大学 2015



本文编号：3554616