10.3969/j.issn.1005-2798.2024.01.010
基于PCA-T-S模糊神经网络底板破坏深度预测
针对底板破坏深度影响因素较多、数据之间相关性较强的特点,选用了主成分分析法对原始数据进行降维处理,提取出主要指标信息;基于T-S模糊神经网络具有拟合性能强、预测准确度高的优点,建立PCA-T-S模糊神经网络模型.通过阅读大量文献资料,选取了煤层埋藏深度、煤层倾角、煤层开采厚度、工作面斜长、底板抗破坏能力以及断层的存在性作为底板破坏深度的主要影响因素,选取 24 组数据进行模型训练,建立预测模型,并对 8 组数据进行预测,通过与传统T-S模糊神经网络模型及"三下"开采规范收录公式进行对比,分析PCA-T-S模糊神经网络预测模型优于其它两种方法,预测的最大相对误差仅为15.25%.为底板破坏深度预测提供了一种新的预测方法.
底板破坏深度、主成分分析、T-S模糊神经网络、预测分析
33
TD745(矿山安全与劳动保护)
2024-01-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
46-49