10.11772/j.issn.1001-9081.2014.11.3348
基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型
为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型.该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型.通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性.
混沌免疫粒子群优化、广义回归神经网络、回采工作面、瓦斯涌出量
34
TP183(自动化基础理论)
国家自然科学基金资助项目51274118;辽宁省科技攻关项目2011229011
2015-01-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
3348-3352