工作面瓦斯涌出量關(guān)系到煤礦的通風(fēng)設(shè)計指標(biāo)，更是影響工人生命安全的關(guān)鍵因素，因此對瓦斯涌出量進行精確預(yù)測對加強煤礦安全有重要意義。由于影響瓦斯涌出量間的因素呈現(xiàn)出動態(tài)、模糊的非線性動力變化過程，導(dǎo)致傳統(tǒng)線性預(yù)測方法建立的預(yù)測模型精度很難滿足實際現(xiàn)場要求。 本文在對國內(nèi)外瓦斯涌出量研究現(xiàn)狀做出簡單介紹，并簡單總結(jié)了現(xiàn)有一些預(yù)測方法后，提出了使用改進的蟻群算法和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法來建立瓦斯涌出量預(yù)測模型。論文首先分析了小波神經(jīng)網(wǎng)絡(luò)的基本理論以及網(wǎng)絡(luò)的分類和結(jié)構(gòu)特點，針對該神經(jīng)網(wǎng)絡(luò)收斂精度低，易陷入局部極值的缺點，提出使用蟻群算法來對其改進。緊接著分析了基本蟻群算法的運行機理，以及各參數(shù)對收斂性能的影響，針對算法仍然容易收斂到局部最優(yōu)的問題，論文在引入最大最小蟻群算法的基礎(chǔ)上，對螞蟻尋優(yōu)路徑進行信息素軌跡平滑處理，并引入擾動因子和懲罰因子來解決算法的局部收斂和收斂速度慢的問題，將其應(yīng)用在解決TSP問題上，表現(xiàn)出良好的求解質(zhì)量。然后將改進的蟻群算法HI-MMAS和小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，采用預(yù)測智能控制思想建立預(yù)測模型，并利用監(jiān)測的煤礦歷史數(shù)據(jù)進行仿真，實驗結(jié)果表明本文所提模型的預(yù)測精度和傳...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2緊致結(jié)合型小波神經(jīng)網(wǎng)絡(luò)2Theclosecombinationofwaveletneuralnetw

圖2.1松散結(jié)合型小波神經(jīng)網(wǎng)絡(luò)ig.2.1Theloosecombinationofwaveletneuralnetwork網(wǎng)絡(luò)結(jié)構(gòu)。將小波變換和神經(jīng)網(wǎng)絡(luò)有機結(jié)合，用小函數(shù)，同時小波神經(jīng)網(wǎng)絡(luò)的權(quán)值及閾值分別被小波函換，然后將設(shè)定的小波基函數(shù)線性處理實現(xiàn)信號輸出....

本文編號：4035568