煤礦瓦斯涌出量預(yù)測是礦井瓦斯災(zāi)害防治研究的重要部分,如何高效準(zhǔn)確的預(yù)測瓦斯涌出量,為礦井瓦斯抽采設(shè)計(jì)提供數(shù)據(jù)基礎(chǔ),對于高瓦斯礦井的安全生產(chǎn)有著重要的現(xiàn)實(shí)研究意義。論文綜合分析國內(nèi)外研究現(xiàn)狀,建立瓦斯涌出量預(yù)測多因素指標(biāo)體系,并通過影響因素降維以及構(gòu)建思維進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,對工作面瓦斯涌出量進(jìn)行精準(zhǔn)預(yù)測。主要研究內(nèi)容和結(jié)論如下:（1）綜合分析地質(zhì)條件、煤層特征及通風(fēng)、開采因素以及氣候因素四個(gè)大的方面對瓦斯涌出量的影響,篩選出礦井工作面的瓦斯涌出量影響因子,構(gòu)建由12個(gè)影響因素組成的瓦斯涌出量預(yù)測指標(biāo)體系,再對預(yù)測指標(biāo)與瓦斯涌出量之間進(jìn)行關(guān)聯(lián)度分析。（2）采用主成分分析法（PCA）對建立的瓦斯涌出量預(yù)測指標(biāo)體系進(jìn)行降維處理。在此基礎(chǔ)上,利用斯皮爾曼（Spearman）相關(guān)系數(shù)分析對主成分分析法加以改進(jìn),將改進(jìn)前后的主成分分析法降維效果進(jìn)行對比分析,結(jié)果表明,傳統(tǒng)主成分分析法將原本的12變量降維至7個(gè)變量,而改進(jìn)主成分分析法能使原本指標(biāo)降維至3個(gè)變量,實(shí)現(xiàn)了數(shù)據(jù)進(jìn)一步簡化,減少原始數(shù)據(jù)中冗余信息所造成的誤差,從而提高預(yù)測精度。（3）選取BP神經(jīng)網(wǎng)絡(luò)算法作為基礎(chǔ)預(yù)測模型,通過增... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

優(yōu)勝子群體和臨

西安科技大學(xué)非全日制專業(yè)碩士學(xué)位論文364.2.2思維進(jìn)化算法的優(yōu)化過程思維進(jìn)化算法的核心思想通過不斷進(jìn)化對環(huán)境中的探索，得到最優(yōu)個(gè)體值。在思維進(jìn)化算法計(jì)算中，根據(jù)每個(gè)編碼對應(yīng)一個(gè)解，即個(gè)體，在探索中不斷進(jìn)化產(chǎn)生出越來越優(yōu)的個(gè)體。也就是利用算法中“趨同”和“異化”的操作，經(jīng)過不斷迭代，產(chǎn)生出新的個(gè)體的子群體，最終找到最優(yōu)解。思維進(jìn)化算法的優(yōu)化過程如下：首先，通過思維進(jìn)化算法產(chǎn)生優(yōu)勝子群體與臨時(shí)子群體，并在子群體內(nèi)部進(jìn)行趨同操作，使它們逐漸趨于成熟，當(dāng)子群體得分不再增長時(shí)，則結(jié)束趨同操作。如圖4.4所示。(a)優(yōu)勝子群體趨同過程(b)臨時(shí)子群體趨同過程圖4.4優(yōu)勝子群體和臨時(shí)子群體趨同過程圖接著，結(jié)合優(yōu)勝子群體與臨時(shí)子群體的得分情況，若有臨時(shí)子群體得分高于優(yōu)勝子群體得分時(shí)，則進(jìn)行異化操作，得分高的臨時(shí)子群體將替換得分低的優(yōu)勝子群體。異化過程如圖4.5所示。圖4.5子群體之間異化過程經(jīng)過異化操作后，釋放被替代的優(yōu)勝子群體，同時(shí)補(bǔ)充臨時(shí)子群體，保證其個(gè)數(shù)不變，新補(bǔ)充的子群體同樣進(jìn)行趨同操作，如圖4.6所示。

4思維進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立37圖4.6新臨時(shí)子群體趨同過程若是臨時(shí)子群體所有得分均低于優(yōu)勝子群體，則不用再進(jìn)行異化操作，思維進(jìn)化算法優(yōu)化過程結(jié)束。若有臨時(shí)子群體得分高于優(yōu)勝子群體得分，則重復(fù)“異化”“趨同”操作。該算法的具體優(yōu)化步驟如下，具體流程如圖4.7所示。（1）初始化。在環(huán)境中隨機(jī)生成數(shù)個(gè)個(gè)體，根據(jù)環(huán)境對每個(gè)個(gè)體的評價(jià)，搜索出得分較高的M個(gè)個(gè)體和較低的N個(gè)個(gè)體；（2）初始種群的產(chǎn)生。分別以選擇的個(gè)體為搜索點(diǎn)，以一定半徑作為搜索范圍，選出M個(gè)優(yōu)勝子群體和N個(gè)臨時(shí)子群體。同時(shí)，保證每個(gè)子群體的搜索范圍沒有交集，以確定它們之間不會產(chǎn)生相同個(gè)體；（3）子群體內(nèi)的趨同操作。在每一個(gè)子群體內(nèi)，對若干個(gè)個(gè)體的得分進(jìn)行逐一評價(jià)，優(yōu)勝者為得分高的個(gè)體，然后再以此為中心搜索產(chǎn)生新的個(gè)體。若該子群體連續(xù)幾代沒有更優(yōu)解產(chǎn)生，則表示趨同完成；（4）子群體間的異化操作。主要是通過臨時(shí)子群體與優(yōu)勝子群體之間的互相競爭更新?lián)Q代來達(dá)到群體最優(yōu)解的過程；（5）重新生成臨時(shí)子群體；（6）收斂條件的判定。收斂條件判別的依據(jù)為當(dāng)全局公告板優(yōu)勝者的得分不再發(fā)生改變時(shí)，則認(rèn)為個(gè)體達(dá)到最優(yōu)值，滿足收斂條件，可以進(jìn)行下一步操作。否則返回步驟（3）；（7）獲得最優(yōu)個(gè)體。當(dāng)滿足算法終止條件時(shí)，思維進(jìn)化算法優(yōu)化結(jié)束，從而得到優(yōu)化后的最優(yōu)個(gè)體。


本文編號：3026587