回采工作面瓦斯涌出量预测模型_中国煤炭行业知识服务平台

回采工作面瓦斯涌出量预测模型

作者

邵良杉王振
单位

辽宁工程技术大学系统工程研究所
摘要

针对回采工作面瓦斯涌出量预测问题，采用因子分析降低高相关性指数的维数，将提取的2个主要因子与煤层倾角、工作面长度、相邻煤层之间的距离、相邻煤层的厚度作为输入数据，采用“试错法”和回归方法确定BP神经网络隐层节点个数，利用改进遗传算法优化BP神经网络的阈值与权重，构建回采工作面瓦斯涌出量预测模型.利用15组测量数据对预测模型进行训练，3组数据用作预测的测试样本.研究结果表明：基于因子分析与改进遗传算法优化BP神经网络（FA-IGA-BP）的回采工作面瓦斯涌出量预测模型最大相对误差为3.794%，平均误差为2.945%，该模型在处理高维数据时具有预测精度高，泛化能力强的特点，可以有效地预测瓦斯涌出量.
关键词

回采工作面瓦斯涌出量因子分析改进遗传算法 BP神经网络
基金项目(Foundation)

国家自然科学基金（71771111）；
文章目录

0 引言
1 因子分析及IGA-BP理论
1.1 因子分析原理
1.2 改进遗传算法
2 模型设计及数据分析
2.1 基于IGA的BP神经网络流程
2.2 参数选取及相关性分析
3 瓦斯涌出量预测模型
3.1 实验数据选取
3.2 实验数据处理
3.3 FA-IGA-BP神经网络预测
(1）参数设置
(2）预测结果分析
4 结论
引用格式

邵良杉,王振.回采工作面瓦斯涌出量预测模型[J].辽宁工程技术大学学报(自然科学版),2022,41(06):490-496.
相关文章

[1]因子分析与支持向量机相结合的煤炭自燃预测
[2]基于数据挖掘的瓦斯信息识别与决策
[3]PSO-BP神经网络在露天矿卡车油耗预测中的应用
[4]改进遗传神经网络对露天矿边坡位移预测
[5]基于主成分灰关联的瓦斯涌出量预测模型
[6]PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用

煤问提

煤传媒

煤视界

科技创新50强

会员中心