本文關鍵詞： 瓦斯涌出量 指標選取 因子分析 BP神經網絡　出處：《西安科技大學學報》2017年04期 　論文類型：期刊論文

【摘要】：為解決瓦斯涌出量預測過程中存在的預測指標過多而導致預測精度降低的問題,構建因子分析與BP神經網絡相結合的瓦斯涌出量預測模型。采用SPSS因子分析法對瓦斯涌出量影響因素進行了分析降維,并對BP神經網絡模型進行訓練及預測。結果表明:因子分析能使BP神經網絡的輸入變量從10個降為3個有實際含義的因子,經因子分析后預測模型的預測速度及精度均高于未處理的樣本數(shù)據,預測性能明顯改善,其平均誤差為3.8%,最大誤差為4.9%,表明所采取瓦斯涌出量預測指標的選取方法是可行和有效的。
[Abstract]:In order to solve the problem that there are too many prediction indexes in the process of gas emission prediction, the prediction accuracy is reduced. A prediction model of gas emission is built based on factor analysis and BP neural network. The factors affecting gas emission are analyzed by using SPSS factor analysis, and the dimensionality reduction is analyzed. The model of BP neural network is trained and predicted. The results show that factor analysis can reduce the input variables of BP neural network from 10 to 3 factors with actual meaning. After factor analysis, the prediction speed and accuracy of the prediction model are higher than that of the unprocessed sample data, and the prediction can be improved obviously. The average error is 3.8 and the maximum error is 4.9, which indicates that the method of selecting the prediction index of gas emission is feasible and effective.
【作者單位】： 西安科技大學安全科學與工程學院;教育部西部礦井開采及災害防治重點實驗室;
【基金】：國家自然科學基金(51374236;51474172) 陜西省科技新星專項項目(2014KJXX69)
【分類號】：TD712.5

【相似文獻】

相關期刊論文 前10條

1 李彬剛;景興鵬;;瓦斯涌出量預測研究現(xiàn)狀和進展[J];陜西煤炭;2007年05期

2 張瑞林;劉曉;金毅;;灰色動態(tài)自動化建模在瓦斯涌出量預測中的應用研究[J];工礦自動化;2008年01期

3 趙鑫;宋廣軍;;一種非線性的瓦斯涌出量預測算法仿真研究[J];計算機仿真;2012年08期

4 張?zhí)m;;智能算法在瓦斯涌出量預測中的應用研究[J];大眾科技;2012年12期

5 安鴻濤;宋國文;張云中;陽結華;;人工神經網絡在瓦斯涌出量預測中的應用[J];河南理工大學學報(自然科學版);2006年04期

6 張瑞林;劉曉;鄭立軍;;基于灰色動態(tài)建模的瓦斯涌出量預測方法研究[J];中國礦業(yè);2006年12期

7 王文科;;采煤工作面瓦斯涌出量預測研究[J];山西焦煤科技;2007年08期

8 甘小根;吳仕彥;馬明東;;灰色線性回歸組合模型在北辰煤礦瓦斯涌出量預測中的應用研究[J];煤;2008年01期

9 姚向東;鐘后選;;孔莊煤礦-1020m水平首采區(qū)瓦斯涌出量預測[J];煤礦安全;2008年07期

10 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測[J];煤礦安全;2008年10期

相關會議論文 前10條

1 陳魁奎;寧超;黃波;;鶴壁六礦深部瓦斯涌出量預測[A];基于瓦斯地質的煤礦瓦斯防治技術[C];2009年

2 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測研究[A];煤礦重大災害防治技術與實踐——2008年全國煤礦安全學術年會論文集[C];2008年

3 王劍平;黃紅霞;李宏彪;張云生;;基于支持向量機模型的瓦斯涌出量預測[A];第二十七屆中國控制會議論文集[C];2008年

4 朱浩明;劉高峰;;山西和順隆華公司15號煤層首采區(qū)瓦斯涌出量預測[A];瓦斯地質基礎與應用研究[C];2011年

5 丁金華;;基于分形理論的瓦斯涌出量預測分析與研究[A];煤礦瓦斯綜合治理與開發(fā)利用論文集[C];2012年

6 潘洪萍;;楊莊煤礦開采煤層的瓦斯涌出量預測[A];紀念礦井地質專業(yè)委員會成立二十周年暨礦井地質發(fā)展戰(zhàn)略學術研討會專輯[C];2002年

7 王小明;張子戌;楊小平;范興斌;;數(shù)量化理論Ⅰ在唐山礦5煤層瓦斯涌出量預測中的應用[A];中國科學院地質與地球物理研究所2006年論文摘要集[C];2007年

8 陳大力;張勁松;孫曉軍;;深部礦井瓦斯涌出量預測方法[A];2007年全國煤礦安全學術年會會議資料匯編[C];2007年

9 阮文彬;;田壩煤礦二號井下一采區(qū)煤層瓦斯涌出量預測[A];中國煤炭學會煤礦安全專業(yè)委員會2009年學術研討會論文集[C];2009年

10 撒占友;何學秋;王恩元;;基于自適應神經網絡的采掘工作面瓦斯涌出量預測[A];21世紀高效集約化礦井學術研討會論文集[C];2001年

相關碩士學位論文 前10條

1 王一莉;瓦斯涌出量預測方法及其應用研究[D];南京工業(yè)大學;2005年

2 徐廣璐;基于改進GA-SVM算法的瓦斯涌出量預測研究[D];遼寧工程技術大學;2014年

3 史冬冬;基于相關向量機與改進蛙跳算法的瓦斯涌出量預測研究[D];遼寧工程技術大學;2014年

4 謝霖;基于MPSO-LS-SVM算法的瓦斯涌出量預測研究[D];遼寧工程技術大學;2014年

5 畢建武;基于多元回歸殘差RBF神經網絡修正算法瓦斯涌出量預測研究[D];遼寧工程技術大學;2015年

6 黃U，

本文編號：1523934