本文選題：絕對瓦斯涌出量　切入點：非線性映射　出處：《遼寧工程技術大學學報(自然科學版)》2017年04期 　論文類型：期刊論文

【摘要】：為對回采工作面絕對瓦斯涌出量進行有效預測,提出非線性降維的改進Elmand動態(tài)預測模型.模型采用非線性映射在特征空間內對數(shù)據進行有效降維,以此確定神經網絡輸入數(shù)目,并利用自適應蟻群微分進化算法對改進的Elman神經網絡(IENN)的閾值、權值、自反饋因子和增益因子行全局尋優(yōu).將該預測模型用于礦井監(jiān)測的歷史數(shù)據進行檢驗.研究結果表明:模型能夠有效地減少預測模型的輸入變量個數(shù),并且相比其他預測模型提高了預測的精度和效率.
[Abstract]:In order to effectively predict the absolute gas emission in mining face, an improved Elmand dynamic prediction model for nonlinear dimensionality reduction is proposed. The nonlinear mapping is used to effectively reduce the dimension of the data in the feature space, so as to determine the input number of the neural network. The adaptive ant colony differential evolution algorithm is applied to the threshold and weight of the improved Elman neural network. The self-feedback factor and gain factor are used for global optimization. The prediction model is used to test the historical data of mine monitoring. The results show that the model can effectively reduce the number of input variables in the prediction model. Compared with other prediction models, the prediction accuracy and efficiency are improved.
【作者單位】： 遼寧工程技術大學基礎教學部;遼寧工程技術大學電氣與控制工程學院;
【基金】：國家自然科學基金項目(51274118)
【分類號】：TD712.5;TP18

【相似文獻】

中國期刊全文數(shù)據庫 前7條

1 袁仁茂;馬鳳山;鄧清海;徐錫偉;;基于Elman型神經網絡的金川二礦地表巖移時序預測模型[J];工程地質學報;2008年01期

2 張瑋;張丹;;基于Elman動態(tài)神經網絡的煤質預測算法研究[J];中國礦業(yè);2013年03期

3 賈花萍;;灰色Elman神經網絡的礦井瓦斯涌出量預測[J];計算機技術與發(fā)展;2014年06期

4 錢家忠;呂純;趙衛(wèi)東;潘婧;;Elman與BP神經網絡在礦井水源判別中的應用[J];系統(tǒng)工程理論與實踐;2010年01期

5 李建剛;任子暉;劉延霞;;基于Elman神經網絡礦用通風機故障診斷的研究[J];煤礦機械;2011年08期

6 王春曉;陳開巖;張寶;;基于Elman組合預測模型的瓦斯涌出量預測[J];黑龍江科技學院學報;2011年04期

7 ;[J];;年期

，

本文編號：1582959