10.13347/j.cnki.mkaq.2015.01.039
基于PCA-FOA-GRNN的回采工作面瓦斯涌出量预测
回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测.广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰.选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98%,低于传统GRNN模型的7.06%.
回采工作面、瓦斯涌出量、广义回归神经网络、果蝇算法、主成分分析
46
TD712(矿山安全与劳动保护)
中国科学院战略性科技先导专项资助项目XDA05030100
2015-03-11(万方平台首次上网日期,不代表论文的发表时间)
133-136