瓦斯事故是煤礦安全生產(chǎn)的主要威脅,一旦發(fā)生,就會引起巨大的經(jīng)濟損失甚至人員傷亡。瓦斯事故主要由瓦斯?jié)舛冗^高引起。瓦斯是可燃氣體,濃度過高有燃燒甚至爆炸的風(fēng)險。對煤礦中的瓦斯?jié)舛冗M行準確的預(yù)測是減少瓦斯事故發(fā)生頻率的有效方法。然而,傳統(tǒng)的瓦斯?jié)舛阮A(yù)測系統(tǒng)的性能有著很大的局限性,建立更加科學(xué)有效的瓦斯?jié)舛阮A(yù)測方法對指導(dǎo)煤礦安全生產(chǎn)具有重要意義。本文提出了單隱層隨機權(quán)值神經(jīng)網(wǎng)絡(luò)（Single hidden-layer Random Weights Neural Network,SRWNN）瓦斯?jié)舛阮A(yù)測方法。該方法采用單隱層前饋神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu),同時引入隨機輸入層權(quán)值和隱含層偏置。它將神經(jīng)網(wǎng)絡(luò)與上下界估計（Lower and Upper Bound Estimate,LUBE）結(jié)合,實現(xiàn)使用區(qū)間預(yù)測替代傳統(tǒng)的點預(yù)測。另外,它采用魯棒性高的NSGA-II作為訓(xùn)練算法,簡化了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)復(fù)雜的訓(xùn)練過程。最后,為解決SRWNN在大數(shù)據(jù)環(huán)境下訓(xùn)練時間過長,以及在面對大規(guī)模預(yù)測任務(wù)時出現(xiàn)的計算和調(diào)度上的瓶頸問題,本文進一步研究了SRWNN在煤礦大數(shù)據(jù)環(huán)境下的分布式瓦斯?jié)舛阮A(yù)測方法,提出并實現(xiàn)在Apac... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

SRWNN訓(xùn)練過程圖

SRWNN預(yù)測

ApacheSpark上SRWNN的分布式訓(xùn)練Fig.4.3DistributedtrainingofSRWNNonApacheSparkMasterSparkCluster


本文編號：3685485