10.16265/j.cnki.issn.1003-3033.2020.09.012
煤层瓦斯含量PSO-BP神经网络预测模型及其应用
为提高煤层瓦斯含量预测的科学性及准确性,提出基于粒子群算法(PSO)优化误差反向传播(BP)神经网络的瓦斯含量预测模型(PSO-BP模型);研究试验矿井煤层瓦斯含量与埋深、煤厚、底板标高以及测点与断层垂距等因素之间关系;对比分析该模型与多元线性回归模型和BP神经网络模型的预测结果.结果 表明:随着埋深、煤厚及测点与断层垂距的增大,瓦斯含量变大,煤层底板标高增大,瓦斯含量变小;PSO-BP神经网络预测模型相对误差为2.4%~4.8%(平均3.1%),多元线性回归模型为2.3%~77.4%(平均27.7%),BP神经网络预测模型为7.5%~14.8%(平均10.2%),PSO-BP神经网络预测模型预测精度最高.
瓦斯含量、粒子群算法(PSO)、误差反向传播(BP)神经网络、预测模型、多元线性回归
30
X936(安全工程)
国家自然科学基金资助;陕西省杰出青年项目;陕西省联合基金培育重点项目
2020-11-27(万方平台首次上网日期,不代表论文的发表时间)
共8页
80-87