為提高區(qū)域性煤與瓦斯突出預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確度并減小預(yù)測(cè)均方誤差,提出了一種基于改進(jìn)的粒子群優(yōu)化（PSO）算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）。以網(wǎng)絡(luò)的光滑因子為自變量、網(wǎng)絡(luò)誤差為目標(biāo)函數(shù),通過(guò)改進(jìn)PSO算法搜索出誤差的全局最小值,找出網(wǎng)絡(luò)的最優(yōu)光滑因子,用優(yōu)化后的GRNN進(jìn)行煤與瓦斯突出預(yù)測(cè),并以淮南礦區(qū)的實(shí)測(cè)數(shù)據(jù)訓(xùn)練和檢驗(yàn)該模型。試驗(yàn)結(jié)果表明,基于改進(jìn)粒子群優(yōu)化算法優(yōu)化的GRNN模型預(yù)測(cè)準(zhǔn)確率為95%,實(shí)際突出數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率為100%,實(shí)際不突出數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率為93.3%。相較于PSO算法和果蠅優(yōu)化算法（FOA）優(yōu)化的GRNN預(yù)測(cè)結(jié)果,該模型的預(yù)測(cè)準(zhǔn)確率最高,均方誤差最小,具有更好的泛化能力,為煤與瓦斯突出智能預(yù)測(cè)提供了新的方案。 

【文章來(lái)源】：長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,17(02)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

GRNN結(jié)構(gòu)示意圖

表3 改進(jìn)PSO算法優(yōu)化GRNN預(yù)測(cè)結(jié)果 序號(hào) 瓦斯含量/(m3·t-1) 瓦斯壓力/MPa 瓦斯放散初速度/(m·s-1) 煤層堅(jiān)固性系數(shù)/1 孔隙率/% 預(yù)測(cè)結(jié)果 實(shí)際結(jié)果 對(duì)比 1 0.437853107 0.219354839 0.875 0.41509434 0.429429429 1 1 正確 2 0.668079096 0.419354839 0.625 0.132075472 0.184684685 1 1 正確 3 1 1 0.375 1 0.339339339 1 1 正確 4 0.923728814 0.774193548 0.625 0.745283019 0.249249249 1 1 正確 5 0.376412429 0.164516129 1 0.452830189 0.099099099 1 1 正確 6 0.11440678 0.129032258 0.25 0.386792453 0.144144144 0 0 正確 7 0.197740113 0.129032258 0.75 0.311320755 0.262762763 0 0 正確 8 0.096045198 0.064516129 0.25 0.358490566 0.504504505 0 0 正確 9 0.20480226 0.161290323 0.75 0.283018868 0.129129129 0 0 正確 10 0.131355932 0.103225806 0.125 0.386792453 0.249249249 0 0 正確 11 0.341101695 0.096774194 0.625 0.41509434 0.489489489 0 0 正確 12 0.151129944 0.090322581 0.25 0.386792453 0.504504505 0 0 正確 13 0.293785311 0.096774194 0.75 0.301886792 0.663663664 1 0 錯(cuò)誤 14 0.089689266 0.129032258 0.25 0.009433962 0.402402402 0 0 正確 15 0.075564972 0.141935484 0.25 0.509433962 0.963963964 0 0 正確 16 0.136299435 0.135483871 0.25 0.594339623 0.504504505 0 0 正確 17 0.125706215 0.35483871 0.375 0.009433962 0.512012012 0 0 正確 18 0.110169492 0.141935484 0.125 0.386792453 0.339339339 0 0 正確 19 0.041666667 0.129032258 0.25 0.698113208 0.399399399 0 0 正確 20 0.118644068 0.096774194 0 0.386792453 0.534534535 0 0 正確改進(jìn)PSO算法的預(yù)測(cè)結(jié)果中第13個(gè)預(yù)測(cè)錯(cuò)誤,實(shí)際突出數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率為100%,實(shí)際不突出數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率為93.3%,總體預(yù)測(cè)準(zhǔn)確率為95%。

【參考文獻(xiàn)】：
期刊論文
[1]基于異構(gòu)數(shù)據(jù)集成的煤與瓦斯突出監(jiān)控預(yù)警系統(tǒng)[J]. 李明建.  工礦自動(dòng)化. 2018(01)
[2]煤與瓦斯突出預(yù)警方法探討[J]. 趙旭生,寧小亮,張慶華,馬國(guó)龍.  工礦自動(dòng)化. 2018(01)
[3]煤與瓦斯突出綜合預(yù)警系統(tǒng)應(yīng)用[J]. 朱振,吳保磊,孟杰,陶云奇,王峰.  工礦自動(dòng)化. 2017(08)
[4]基于CAS理論的改進(jìn)PSO算法[J]. 劉舉勝,何建佳,李鵬飛.  計(jì)算機(jī)工程與應(yīng)用. 2017(05)
[5]煤與瓦斯突出預(yù)測(cè)的NN-SVM模型[J]. 謝國(guó)民,謝鴻,付華,閆孝姮.  傳感技術(shù)學(xué)報(bào). 2016(05)
[6]基于突變級(jí)數(shù)法的煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)[J]. 沈志偉,王恩元,鈕月.  工礦自動(dòng)化. 2015(05)
[7]FOA優(yōu)化GRNN網(wǎng)絡(luò)的尾礦庫(kù)安全預(yù)測(cè)[J]. 聶娜娜,王英博,王銘澤,李仲學(xué).  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2014(08)
[8]煤與瓦斯突出地質(zhì)控制機(jī)理探討[J]. 閆江偉,張小兵,張子敏.  煤炭學(xué)報(bào). 2013(07)
[9]基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測(cè)[J]. 賈義鵬,呂慶,尚岳全.  巖石力學(xué)與工程學(xué)報(bào). 2013(02)
[10]突出區(qū)域煤層孔隙瓦斯賦存規(guī)律研究[J]. 吳麗麗,羅新榮,周昀涵.  煤炭技術(shù). 2012(06)



本文編號(hào)：3449752