基于改進(jìn)ABC-GRNN模型的煤礦瓦斯?jié)舛阮A(yù)測(cè)研究
發(fā)布時(shí)間：2018-06-09 17:04
本文選題：無(wú)線傳感網(wǎng)絡(luò) + 瓦斯?jié)舛?/strong>�。� 參考：《控制工程》2017年04期
【摘要】：為了實(shí)現(xiàn)對(duì)煤礦瓦斯?jié)舛鹊臏?zhǔn)確預(yù)測(cè),提出了一種基于改進(jìn)的人工蜂群算法(Artificial Bee Colony Algorithm,ABC)優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)(General Regression Neural Network,GRNN)的瓦斯?jié)舛阮A(yù)測(cè)方法。將基于無(wú)線傳感器網(wǎng)絡(luò)的瓦斯監(jiān)控系統(tǒng)收集到的數(shù)據(jù)作為原始樣本,經(jīng)過(guò)具有伸縮性的自適應(yīng)閾值函數(shù)對(duì)小波系數(shù)進(jìn)行修正的方式對(duì)其進(jìn)行去噪濾波預(yù)處理。采用ABC算法對(duì)GRNN網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化,建立了瓦斯?jié)舛鹊念A(yù)測(cè)模型,并通過(guò)Matlab使用相關(guān)數(shù)據(jù)來(lái)訓(xùn)練和測(cè)試該模型的性能。仿真研究表明,所建模型能很快找到合適的平滑參數(shù)并對(duì)瓦斯?jié)舛冗M(jìn)行有效地預(yù)測(cè)。與其他預(yù)測(cè)模型相比較,該模型的預(yù)測(cè)精度更高,泛化能力更強(qiáng),有較高的實(shí)用價(jià)值。
[Abstract]:......
【作者單位】： 遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;國(guó)網(wǎng)遼寧省電力有限公司遼陽(yáng)供電公司;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51274118)
【分類號(hào)】：TD712.3;TP18
【相似文獻(xiàn)】
相關(guān)期刊論文 前4條
1 王文才;王瑞智;孫寶雷;王政委;劉海;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)GRNN的礦井瓦斯含量預(yù)測(cè)[J];中國(guó)煤層氣;2010年01期
2 付小平;薛新華;李洪濤;;GRNN模型在煤與瓦斯突出及瓦斯含量預(yù)測(cè)中的應(yīng)用[J];中國(guó)安全科學(xué)學(xué)報(bào);2012年01期
3 聶娜娜;王英博;王銘澤;李仲學(xué);;FOA優(yōu)化GRNN網(wǎng)絡(luò)的尾礦庫(kù)安全預(yù)測(cè)[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2014年08期
4 ;[J];;年期
，本文編號(hào)：2000477
本文鏈接：http://sikaile.net/kejilunwen/anquangongcheng/2000477.html
最近更新
教材專著
