本文關(guān)鍵詞：煤礦沖擊地壓預測的PCA-GRNN方法

  更多相關(guān)文章： 沖擊地壓 主成分分析法(PCA) 廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 電磁輻射 預警技術(shù)

【摘要】：為更合理有效地解決煤礦開采引起的沖擊地壓危險性預測問題,以忻州窯煤礦沖擊地壓事故為工程背景,采用一種數(shù)據(jù)降維算法—主成分分析法(PCA),對廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的輸入樣本進行信息壓縮,構(gòu)建沖擊地壓危險性預測的PCA-GRNN模型。通過PCA法提取影響沖擊地壓強度的煤層厚度、傾角等9個因素,得到?jīng)_擊地壓危險性影響因素的前4個主成分因子表達式,并構(gòu)建BPNN,GRNN和PCA-BP等另外3種模型,驗證PCA-GRNN法預測沖擊地壓危險性的智能性和泛化能力。結(jié)果表明,所建PCA-GRNN模型平均訓練誤差為3.5%,平均預測誤差為3.6%,有很好的預測能力和泛化能力。
【作者單位】： 中國科學院大學遙感與數(shù)字地球研究所;大同大學煤炭工程學院;武漢理工大學土木工程與建筑學院;中國礦業(yè)大學深部巖土力學與地下工程國家重點實驗室;
【分類號】：X936;TD324
【正文快照】： 預警技術(shù)0引言隨著煤礦開采深度的增加,國內(nèi)沖擊型生產(chǎn)礦井逐漸增多,截至2014年底,發(fā)生沖擊地壓的礦井已達147個[1]。沖擊地壓事故造成了大量人員傷亡和經(jīng)濟損失,嚴重威脅礦山安全生產(chǎn)。國內(nèi)外學者分別應用B P-人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)[2]、模糊模式識別[，

本文編號：1239516