【摘要】：煤礦瓦斯災(zāi)害是制約礦井安全生產(chǎn)的主要自然災(zāi)害之一，嚴(yán)重影響著工人的生命及財(cái)產(chǎn)安全，因此認(rèn)識(shí)瓦斯災(zāi)害發(fā)生的規(guī)律和特征、實(shí)現(xiàn)瓦斯涌出量的準(zhǔn)確預(yù)測(cè)是防治瓦斯災(zāi)害的有效手段，對(duì)加強(qiáng)煤礦安全生產(chǎn)有著重要意義。 由于煤礦瓦斯系統(tǒng)是一個(gè)復(fù)雜的、時(shí)變的非線性動(dòng)態(tài)系統(tǒng)，因此利用傳統(tǒng)的線性預(yù)測(cè)方法建立的預(yù)測(cè)模型很難滿足工程實(shí)際的需要�；诖耍疚奶岢鲆环N新的智能優(yōu)化算法：混沌免疫遺傳優(yōu)化算法(Chaotic Immune Genetic Optimization Algorithm, CIGOA)，利用其與Elman神經(jīng)網(wǎng)絡(luò)(Elman Neural Network, ENN)有機(jī)融合，建立基于CIGOA-ENN耦合算法的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)模型，用于瓦斯涌出量的預(yù)測(cè)，為瓦斯災(zāi)害的防治提供決策服務(wù)。 論文首先對(duì)Elman神經(jīng)網(wǎng)絡(luò)的性能進(jìn)行了分析，介紹了其優(yōu)缺點(diǎn)，對(duì)于該神經(jīng)網(wǎng)絡(luò)收斂速度慢、易早熟的問題，提出利用遺傳算法對(duì)其進(jìn)行改進(jìn)。接下來分析了遺傳算法(GeneticAlgorithm, GA)的運(yùn)行機(jī)理，針對(duì)GA在求解多峰、高維、非線性優(yōu)化問題時(shí)，容易早熟收斂的缺陷，論文引入人工免疫思想和混沌優(yōu)化思想，對(duì)GA進(jìn)行改進(jìn)，提出了混沌免疫遺傳優(yōu)化算法。該算法在種群進(jìn)化過程中，對(duì)個(gè)體進(jìn)行克隆擴(kuò)增、自適應(yīng)交叉、混沌變異、免疫選擇，以改善算法的全局搜索能力，提高其搜索精度。然后，將CIGOA與Elman神經(jīng)網(wǎng)絡(luò)融合，利用CIGOA對(duì)Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值進(jìn)行尋優(yōu)，建立基于CIGOA-ENN耦合算法的瓦斯涌出量系統(tǒng)辨識(shí)模型，并利用礦井監(jiān)測(cè)到的各項(xiàng)歷史數(shù)據(jù)進(jìn)行仿真。試驗(yàn)結(jié)果表明，該模型與BPNN、GA-ENN等神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比，其收斂速度更快、收斂精度更高、魯棒性更強(qiáng)，為解決煤礦瓦斯涌出量的預(yù)測(cè)問題提供了一個(gè)行之有效的方法。
【圖文】：

神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的自學(xué)中，不需要對(duì)瓦斯涌出量與其他經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練即可，它能，從而發(fā)現(xiàn)人類尚未認(rèn)識(shí)到的事提下，將動(dòng)態(tài)反饋型 Elman 神經(jīng)概述的結(jié)構(gòu)和學(xué)習(xí)方式腦神經(jīng)活動(dòng)進(jìn)行學(xué)習(xí)、判斷、推)互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)絡(luò)單元，其模型如圖 2.1 所示[18

遼寧工程技術(shù)大學(xué)碩士學(xué)位論文1 )nj ij ijx w 網(wǎng)絡(luò)一般由輸入層、中間層、輸出層組成。各層神經(jīng)元數(shù)結(jié)果傳遞給中間層，中間層是網(wǎng)絡(luò)的內(nèi)部處理單元層，通征提取等處理過程，，特別地，中間層與外部隔離，因此被果。網(wǎng)絡(luò)不受辨識(shí)系統(tǒng)的模型限制，而是僅僅根據(jù)被控系統(tǒng)給斷的訓(xùn)練學(xué)習(xí)，從而得到一個(gè)輸入與輸出數(shù)據(jù)間的數(shù)學(xué)關(guān)統(tǒng)辨識(shí)具有很好的效果[19]。其基本工作原理如圖 2.2。
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TD712.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳財(cái)芳,曾勇;基于遺傳神經(jīng)網(wǎng)絡(luò)的瓦斯含量預(yù)測(cè)研究[J];地學(xué)前緣;2003年01期

2 王磊,潘進(jìn),焦李成;免疫算法[J];電子學(xué)報(bào);2000年07期

3 焦李成,杜海峰;人工免疫系統(tǒng)進(jìn)展與展望[J];電子學(xué)報(bào);2003年10期

4 畢惟紅;任紅民;吳慶標(biāo);;一種新的遺傳算法最優(yōu)保存策略[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2006年01期

5 葛宏偉,梁艷春;進(jìn)化Elman神經(jīng)網(wǎng)絡(luò)模型與非線性系統(tǒng)辨識(shí)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2005年05期

6 余建軍,鄭鋒,孫樹棟;一種新的免疫算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年23期

7 蔡良偉,李霞;一種帶融合操作的實(shí)數(shù)多種群遺傳算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年13期

8 高欽和;王孫安;;基于Elman神經(jīng)網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)[J];計(jì)算機(jī)工程與應(yīng)用;2007年31期

9 趙鵬偉;;礦山統(tǒng)計(jì)法預(yù)測(cè)綜放工作面瓦斯涌出量[J];機(jī)械管理開發(fā);2006年03期

10 吳佳英;李平;鄭金華;胡寧靜;;一種改進(jìn)多親遺傳算法的并行模型研究[J];計(jì)算機(jī)工程;2007年05期

本文編號(hào)：2551344