作者：隆能增; 袁梅; 敖选俊; 李鑫灵; 张平煤与瓦斯突出强度预测局部线性嵌入果蝇算法bp神经网络大数据处理
摘要：针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测。测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06%,相对误差的方差为3.69,经过24次迭代训练就达到10-8的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
