基于主元分析与神经网络的垮落煤岩性状识别方法研究

摘要：

为了获得综放开采现场用以分类煤岩的有效的特征向量和分类模型，通过已有的设备及设计采集方案，对综放开采现场的煤岩声压信号进行了采集；并对获取的声压信号进行时域分析，得到时域特征向量并作为神经网络的输入向量；利用主元分析（简称PCA），减少时域特征间的相关性，降低神经网络输入向量的维数；然后设计BP 神经网络模型，通过比较梯度下降法与Levenberg－Marquard算法，得知基于LM训练法耗时明显小于梯度下降法。最后对比进行PCA与未进行PCA的LM算法的BP神经网络煤岩识别结果，得到PCA与LM算法的BP神经网络结合的方式识别准确率高且耗时短。

关键词：综放开采、煤岩性状识别、主元分析、BP神经网络

所属期刊栏目：48

分类号：TD823.97(矿山开采)

资助基金：国家重点基础研究发展计划973计划资助项目2014CB046300，2014CB046306

在线出版日期：2016-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：106-109