基于动态神经网络的瓦斯浓度实时预测方法
针对矿井中瓦斯浓度变化的时变性、非线性等特点,提出了一种动态神经网络瓦斯浓度实时预测模型.该模型利用历史数据建立初步预测模型,通过实时采集的瓦斯浓度数据进行预测,并用新数据及时调整预测模型的学习参数和结构参数,使得预测模型能够根据瓦斯浓度的动力学特性及时更新.用矿井实测瓦斯浓度数据进行试验,结果表明该模型较其他静态预测模型的预测精度有明显的提高.
动态神经网络、瓦斯浓度预测、时变系统、实时
23
TP183(自动化基础理论)
国家自然科学基金61440059;辽宁省教育厅科学研究一般项目2013129;国家留学基金委资助
2016-08-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
478-483