耦合神经网络在瓦斯涌出量动态预测中的应用

作者：李文华; 杨子凝; 王来贵瓦斯涌出量动态预测

摘要：为了更有效、准确地对煤矿瓦斯涌出量进行预测,保障煤矿生产安全,提出了一种基于改进果蝇算法(MFOA)优化Elman神经网络(ENN)的智能动态预测方法.首先,利用主成分分析法(PCA)对煤矿瓦斯涌出量监测数据进行降维处理;其次,引入果蝇算法以改进的自适应搜索步长进行搜索,以此实现对ENN网络参数的全局寻优,从而建立基于MFOA-ENN的煤矿瓦斯涌出量动态预测模型,并对预测效果进行了验证.实验结果表明:MFOA-ENN模型的平均相对变动值为0.003 7、均方根误差为0.102 6、平均相对误差为1.499%,相比于RBF模型、Elman神经网络模型、SOM-RBF模型以及FOA-ENN模型在煤矿瓦斯涌出量预测控制方面具有更好适应性、精度及泛化能力.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社