作者：刘晓悦; 李朋园煤与瓦斯突出软测量模型主成分分析法改进果蝇算法变邻域搜索算法
摘要：针对煤与瓦斯突出预测指标存在的问题,引入一个新的指标F来表征瓦斯突出强度,并将主成分分析法（PCA）与改进果蝇算法优化的BP神经网络相结合,建立了煤与瓦斯突出软测量模型。通过PCA来对原始数据进行降维处理,消除变量间的相关性,选取贡献率高于80%的主成分来替代原有的9个影响因素作为BP神经网络的输入变量;采取候选解的线性生成机制（LGMS）和变邻域搜索（VNS）来改进果蝇算法,在改进后的果蝇算法（IFOA）的优化过程中,将果蝇群体位置的变化与BP神经网络学习过程中的权值和阈值的更新相对应,然后以提取的主成分作为输入变量,以新的指标F作为输出变量,建立了IFOA-BP预测模型。选取具有代表性的样本进行验证,实验结果表明,与BP和PSO-BP模型相比,IFOA-BP模型收敛速度快,预测精度高,具有较强的泛化能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
