基于随机隐含层权值神经网络的瓦斯浓度预测

论文摘要

煤矿的安全生产一直是人们重点研究的课题之一。在众多的煤矿开采安全事故中,瓦斯引起的事故占到了大多数。对井下生产线的瓦斯浓度进行实时准确的预测,提前预知生产环境是否处于安全状态,对煤矿的安全生产来说意义重大。针对这一问题,提出了一种基于NSGA-II训练的随机隐含层神经网络（BNSGA-II NN）来进行瓦斯浓度预测的方法。一方面,NSGA-II需要设定的参数少,使用较为简单;另一方面,NSGA-II中的交叉变异机制避免了陷入局部最优解。为了证明NSGA-II训练的随机隐含权值神经网络的预测质量,通过实验与PSOGSA训练的随机隐含层神经网络（PSOGSA NN）进行了对比。实验结果表明,BNSGA-II NN的预测质量明显高于PSOGSA NN的预测质量。

论文目录

• 1 引言
• 2 相关知识
•   2.1 预测区间
•   2.2 LUBE方法
•   2.3 随机隐含层权值的单隐含层网络
• 3 随机隐含层权值神经网络的训练
•   3.1 NSGA-II方法
•   3.2 BNSGA-II NN的训练步骤
•   3.3 BNSGA-II和PSOGSA的分析比较
• 4 实验及结果分析
•   4.1 实例1
•   4.2 实例2
•     4.2.1 最大子代数的选择
•     4.2.2 隐含层节点个数的选择
•     4.2.3 性能比较实验
•     4.2.4 训练结果的稳定性
• 5 结束语

文章来源

类型: 期刊论文

作者: 张以文,郭海帅,涂辉,余国锋

关键词: 瓦斯浓度预测,随机隐含层权值,神经网络

来源: 计算机工程与科学 2019年04期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 矿业工程,安全科学与灾害防治,自动化技术

单位: 安徽大学计算智能与信号处理教育部重点实验室,煤矿瓦斯治理国家工程研究中心

基金: 国家自然科学基金(61602003),安徽省自然科学基金(1808085MF197),安徽省科技重大专项课题(16030901062)

分类号: TD712.5;TP183

页码: 699-707

总页数: 9

文件大小: 803K

下载量: 112