基于改进PCA-MEA-BP神经网络的瓦斯涌出量预测研究

发布时间：2021-02-10 01:48

　　煤矿瓦斯涌出量预测是矿井瓦斯灾害防治研究的重要部分,如何高效准确的预测瓦斯涌出量,为矿井瓦斯抽采设计提供数据基础,对于高瓦斯矿井的安全生产有着重要的现实研究意义。论文综合分析国内外研究现状,建立瓦斯涌出量预测多因素指标体系,并通过影响因素降维以及构建思维进化算法优化BP神经网络预测模型,对工作面瓦斯涌出量进行精准预测。主要研究内容和结论如下:（1）综合分析地质条件、煤层特征及通风、开采因素以及气候因素四个大的方面对瓦斯涌出量的影响,筛选出矿井工作面的瓦斯涌出量影响因子,构建由12个影响因素组成的瓦斯涌出量预测指标体系,再对预测指标与瓦斯涌出量之间进行关联度分析。（2）采用主成分分析法（PCA）对建立的瓦斯涌出量预测指标体系进行降维处理。在此基础上,利用斯皮尔曼（Spearman）相关系数分析对主成分分析法加以改进,将改进前后的主成分分析法降维效果进行对比分析,结果表明,传统主成分分析法将原本的12变量降维至7个变量,而改进主成分分析法能使原本指标降维至3个变量,实现了数据进一步简化,减少原始数据中冗余信息所造成的误差,从而提高预测精度。（3）选取BP神经网络算法作为基础预测模型,通过增... 

【文章来源】：西安科技大学陕西省

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

优胜子群体和临

西安科技大学非全日制专业硕士学位论文364.2.2思维进化算法的优化过程思维进化算法的核心思想通过不断进化对环境中的探索，得到最优个体值。在思维进化算法计算中，根据每个编码对应一个解，即个体，在探索中不断进化产生出越来越优的个体。也就是利用算法中“趋同”和“异化”的操作，经过不断迭代，产生出新的个体的子群体，最终找到最优解。思维进化算法的优化过程如下：首先，通过思维进化算法产生优胜子群体与临时子群体，并在子群体内部进行趋同操作，使它们逐渐趋于成熟，当子群体得分不再增长时，则结束趋同操作。如图4.4所示。(a)优胜子群体趋同过程(b)临时子群体趋同过程图4.4优胜子群体和临时子群体趋同过程图接着，结合优胜子群体与临时子群体的得分情况，若有临时子群体得分高于优胜子群体得分时，则进行异化操作，得分高的临时子群体将替换得分低的优胜子群体。异化过程如图4.5所示。图4.5子群体之间异化过程经过异化操作后，释放被替代的优胜子群体，同时补充临时子群体，保证其个数不变，新补充的子群体同样进行趋同操作，如图4.6所示。

4思维进化算法优化BP神经网络预测模型的建立37图4.6新临时子群体趋同过程若是临时子群体所有得分均低于优胜子群体，则不用再进行异化操作，思维进化算法优化过程结束。若有临时子群体得分高于优胜子群体得分，则重复“异化”“趋同”操作。该算法的具体优化步骤如下，具体流程如图4.7所示。（1）初始化。在环境中随机生成数个个体，根据环境对每个个体的评价，搜索出得分较高的M个个体和较低的N个个体；（2）初始种群的产生。分别以选择的个体为搜索点，以一定半径作为搜索范围，选出M个优胜子群体和N个临时子群体。同时，保证每个子群体的搜索范围没有交集，以确定它们之间不会产生相同个体；（3）子群体内的趋同操作。在每一个子群体内，对若干个个体的得分进行逐一评价，优胜者为得分高的个体，然后再以此为中心搜索产生新的个体。若该子群体连续几代没有更优解产生，则表示趋同完成；（4）子群体间的异化操作。主要是通过临时子群体与优胜子群体之间的互相竞争更新换代来达到群体最优解的过程；（5）重新生成临时子群体；（6）收敛条件的判定。收敛条件判别的依据为当全局公告板优胜者的得分不再发生改变时，则认为个体达到最优值，满足收敛条件，可以进行下一步操作。否则返回步骤（3）；（7）获得最优个体。当满足算法终止条件时，思维进化算法优化结束，从而得到优化后的最优个体。


本文编号：3026587