基于LLE-FOA-BP模型的煤与瓦斯突出强度预测

摘要：

针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法.借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测.测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06％,相对误差的方差为3.69,经过24次迭代训练就达到108的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率.

关键词：煤与瓦斯突出强度预测、局部线性嵌入、果蝇算法、BP神经网络、大数据处理

所属期刊栏目：45

分类号：TD713(矿山安全与劳动保护)

资助基金：贵州省科技计划项目黔科合支撑[2018]2789

在线出版日期：2019-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：68-73