發(fā)布時(shí)間：2017-09-02 17:38

  本文關(guān)鍵詞：一種基于耦合算法的礦井風(fēng)流溫度預(yù)測(cè)新方法

  更多相關(guān)文章： 風(fēng)流溫度預(yù)測(cè)模型 粒子群 神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)精度 耦合算法

【摘要】：針對(duì)礦井風(fēng)流溫度預(yù)測(cè)工作的復(fù)雜性及各個(gè)影響因素的模糊的非線性關(guān)系,傳統(tǒng)預(yù)測(cè)方法難以構(gòu)建預(yù)測(cè)模型,導(dǎo)致預(yù)測(cè)精度低的特點(diǎn),提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的礦井風(fēng)流溫度預(yù)測(cè)方法;并利用粒子群算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行尋優(yōu),利用煤礦歷史數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行仿真研究。結(jié)果表明,提出的基于改進(jìn)粒子群算法的RBF神經(jīng)網(wǎng)絡(luò)模型(MPSO-RBF)具有收斂速度快,預(yù)測(cè)精度高的特點(diǎn),為礦井風(fēng)流溫度預(yù)測(cè)領(lǐng)域提供理論支撐。
【作者單位】： 煤科集團(tuán)沈陽(yáng)研究院有限公司;
【關(guān)鍵詞】： 風(fēng)流溫度預(yù)測(cè)模型 粒子群 神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)精度 耦合算法
【分類(lèi)號(hào)】：TD727.2
【正文快照】： 在深部采礦工程中,高地壓和高地溫被國(guó)內(nèi)外采礦界公認(rèn)為2大科技難題,對(duì)礦井溫度的預(yù)測(cè)研究顯得尤為重要[1]。由于礦井風(fēng)流溫度影響因素眾多,而且各影響因素呈高度非線性關(guān)系影響井下風(fēng)流溫度,用常規(guī)的數(shù)學(xué)理論對(duì)礦井風(fēng)流溫度預(yù)測(cè)建模型相當(dāng)困難[2]。已經(jīng)成為礦井風(fēng)流溫度預(yù)測(cè)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 王先銘;趙哲身;;被動(dòng)通風(fēng)系統(tǒng)建模與室內(nèi)溫度預(yù)測(cè)[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

2 史正剛;王東國(guó);;電加熱抽油井筒的溫度預(yù)測(cè)及功率確定[J];中國(guó)石油大學(xué)勝利學(xué)院學(xué)報(bào);2011年03期

3 ;流態(tài)床細(xì)鋼絲索氏體化溫度預(yù)測(cè)的數(shù)字模擬[J];金屬制品;2001年06期

4 馬恒;尹彬;劉劍;;礦井風(fēng)流溫度預(yù)測(cè)分析研究[J];中國(guó)安全科學(xué)學(xué)報(bào);2010年11期

5 匡蕾;王曉峰;單亞飛;;礦井風(fēng)流溫度預(yù)測(cè)及熱交換機(jī)理分析[J];礦業(yè)快報(bào);2008年11期

6 王曉峰;陳彩云;;礦井風(fēng)流溫度預(yù)測(cè)及熱交換機(jī)理分析[J];煤炭技術(shù);2008年10期

7 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 李沁笛;趙彬;;基于相似理論的高大空間工作區(qū)平均速度溫度預(yù)測(cè)[A];全國(guó)暖通空調(diào)制冷2010年學(xué)術(shù)年會(huì)論文集[C];2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 尹彬;高溫礦井風(fēng)流溫度預(yù)測(cè)分析及應(yīng)用[D];遼寧工程技術(shù)大學(xué);2012年

2 潘亮;基于嵌入式系統(tǒng)的機(jī)場(chǎng)跑道溫度預(yù)測(cè)系統(tǒng)的研究與開(kāi)發(fā)[D];大連海事大學(xué);2013年

3 高杏梅;煤礦井下設(shè)備溫度預(yù)測(cè)及預(yù)警系統(tǒng)研究[D];西安科技大學(xué);2014年

，

本文編號(hào)：779972