基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

摘要：

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP.模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力.以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测.结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率.

关键词：煤与瓦斯突出、危险性预测、量子免疫遗传算法、平均影响值、QIGA-BP模型

所属期刊栏目：33

分类号：TD713(矿山安全与劳动保护)

资助基金：国家“十二五”科技支撑计划项目2012BAK04B07;淮南职业技术学院自然科学项目HKJ12-8

在线出版日期：2015-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：69-75