【摘要】：針對瓦斯涌出量的多影響因素預(yù)測問題,提出將擴展卡爾曼濾波算法與Elman神經(jīng)網(wǎng)絡(luò)有機結(jié)合并應(yīng)用于瓦斯涌出非線性系統(tǒng)的動態(tài)辨識.帶有整定因子的EKF濾波器通過實時對網(wǎng)絡(luò)的權(quán)值、閾值進行全局尋優(yōu),建立基于EKF-ENN耦合算法的絕對瓦斯涌出量預(yù)測模型,利用礦井監(jiān)測到的各項歷史數(shù)據(jù)進行預(yù)測試驗.研究結(jié)果表明:該模型的預(yù)測平均相對誤差為1.67%;平均相對變動值A(chǔ)RV為0.000 768 1.EKF優(yōu)化后的Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比于其他預(yù)測模型,具備更高的預(yù)測精度與更強的泛化能力.
[Abstract]:Aiming at the problem of multi-factor prediction of gas emission, the extended Kalman filter algorithm and Elman neural network are organically combined and applied to the dynamic identification of gas emission nonlinear system. The EKF filter with tuning factor is used to optimize the weights and thresholds of the network in real time. Based on the EKF-ENN coupling algorithm, the prediction model of absolute gas emission is established, and the prediction experiments are carried out by using the historical data monitored by the mine. The results show that the prediction average relative error of the model is 1.67 and the average relative variation value ARV is 0.000. EKF optimized Elman neural network model has higher prediction accuracy and stronger generalization ability than other prediction models.
【作者單位】： 遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;新疆師范大學(xué)外國語學(xué)院;
【基金】：國家自然科學(xué)基金項目(5127411) 遼寧省教育廳基金項目(L2012119)
【分類號】：TD712.53

【參考文獻】

相關(guān)期刊論文 前10條

1 邵良杉;付貴祥;;基于數(shù)據(jù)挖掘的瓦斯信息識別與決策[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2008年02期

2 邵良杉;蘆春霞;;不同井型煤炭項目環(huán)境效益的生態(tài)折現(xiàn)率仿真[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2012年03期

3 邵良杉;付貴祥;;基于數(shù)據(jù)融合理論的煤礦瓦斯動態(tài)預(yù)測技術(shù)[J];煤炭學(xué)報;2008年05期

4 王曉路;劉健;盧建軍;;基于虛擬狀態(tài)變量的卡爾曼濾波瓦斯涌出量預(yù)測[J];煤炭學(xué)報;2011年01期

5 邵良杉;張宇;;基于小波理論的支持向量機瓦斯涌出量的預(yù)測[J];煤炭學(xué)報;2011年S1期

6 呂伏;梁冰;孫維吉;王巖;;基于主成分回歸分析法的回采工作面瓦斯涌出量預(yù)測[J];煤炭學(xué)報;2012年01期

7 付華;姜偉;單欣欣;;基于耦合算法的煤礦瓦斯涌出量預(yù)測模型研究[J];煤炭學(xué)報;2012年04期

8 張翔;王佰順;徐碩;楊培陪;;改進的神經(jīng)網(wǎng)絡(luò)在瓦斯涌出量預(yù)測中的應(yīng)用[J];煤炭技術(shù);2013年01期

9 魏春榮;李艷霞;孫建華;米紅偉;李s，

本文編號：2129531