本文關(guān)鍵詞： 礦井通風(fēng)風(fēng)速預(yù)測(cè) 遺傳算法 神經(jīng)網(wǎng)絡(luò) BP算法　出處：《河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年04期 　論文類型：期刊論文

【摘要】：礦井通風(fēng)風(fēng)速的準(zhǔn)確預(yù)測(cè)對(duì)提高礦井安全性具有重要意義。為提高礦井通風(fēng)風(fēng)速預(yù)測(cè)的準(zhǔn)確度,提出一種基于改進(jìn)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)風(fēng)速預(yù)測(cè)方法。該方法采用前向神經(jīng)網(wǎng)絡(luò)建立礦井通風(fēng)風(fēng)速預(yù)測(cè)模型,將排序選擇策略和概率生存策略相結(jié)合,從而代替?zhèn)鹘y(tǒng)選擇算子,得到一種改進(jìn)遺傳算法。采用改進(jìn)遺傳算法對(duì)網(wǎng)絡(luò)最優(yōu)權(quán)值和閾值進(jìn)行全局搜索,在此基礎(chǔ)上,再利用BP算法進(jìn)行局部尋優(yōu),從而得到網(wǎng)絡(luò)的權(quán)值和閾值。采用礦井工作面的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行仿真預(yù)測(cè),并與已有的幾種模型進(jìn)行比較,仿真結(jié)果表明,該模型提高了礦井通風(fēng)風(fēng)速的預(yù)測(cè)精度。
[Abstract]:The accurate prediction of mine ventilation wind speed is of great significance to improve mine safety, in order to improve the accuracy of mine ventilation wind speed prediction, Based on improved genetic algorithm and BP neural network, a mine ventilation wind speed prediction method is proposed, in which the forward neural network is used to establish the mine ventilation wind speed prediction model, and the ranking selection strategy and the probability survival strategy are combined. Instead of the traditional selection operator, an improved genetic algorithm is obtained. The improved genetic algorithm is used to search the optimal weights and thresholds of the network globally, and then the BP algorithm is used for local optimization. The weight and threshold of the network are obtained, and the data of mine face are used as experimental data for simulation prediction. The simulation results show that the model can improve the prediction accuracy of mine ventilation wind speed.
【作者單位】： 武漢理工大學(xué)自動(dòng)化學(xué)院;
【基金】：湖北省自然科學(xué)基金資助項(xiàng)目(2015CFB586)
【分類號(hào)】：TD72;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李孜軍;林武清;陳陽(yáng);;基于AGA-BP神經(jīng)網(wǎng)絡(luò)的采空區(qū)危險(xiǎn)性評(píng)價(jià)[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2015年07期

2 劉奕君;趙強(qiáng);郝文利;;基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛阮A(yù)測(cè)研究[J];礦業(yè)安全與環(huán)保;2015年02期

3 葉咸;許模;廖曉超;王鳳君;趙瑞;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在求解水文地質(zhì)參數(shù)中的應(yīng)用[J];水電能源科學(xué);2013年12期

4 陳忠;;基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法風(fēng)電場(chǎng)超短期風(fēng)速預(yù)測(cè)優(yōu)化研究[J];可再生能源;2012年02期

5 馮楠;王振臣;胖瑩;;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的電池容量預(yù)測(cè)[J];電源技術(shù);2011年12期

6 李松;劉力軍;解永樂(lè);;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流混沌預(yù)測(cè)[J];控制與決策;2011年10期

7 陶慧;祁佩棉;;基于遺傳算法的煤與瓦斯突出影響因素研究[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

8 柳小桐;;BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J];機(jī)械工程與自動(dòng)化;2010年03期

9 李宏偉;楊國(guó)為;王曉艷;;基于改進(jìn)遺傳算法的BP網(wǎng)絡(luò)在降雨量預(yù)測(cè)中的應(yīng)用[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2010年01期

10 程玉桂;黎明;林明玉;;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的城區(qū)中長(zhǎng)期電力負(fù)荷預(yù)測(cè)與分析[J];計(jì)算機(jī)應(yīng)用;2010年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇義鑫;戈樂(lè);程詩(shī)佳;;基于改進(jìn)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)風(fēng)速預(yù)測(cè)[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

2 張家展;黃洋;;基于Logistic模型的人體細(xì)菌密度數(shù)據(jù)分析與優(yōu)化[J];計(jì)算機(jī)測(cè)量與控制;2017年06期

3 萬(wàn)子平;馬麗莎;李星宇;劉小旭;龍哲;;BP神經(jīng)網(wǎng)絡(luò)的內(nèi)場(chǎng)駕考電子教練系統(tǒng)設(shè)計(jì)[J];單片機(jī)與嵌入式系統(tǒng)應(yīng)用;2017年06期

4 吳海波;施式亮;念其鋒;;基于Spark Streaming流回歸的煤礦瓦斯?jié)舛葘?shí)時(shí)預(yù)測(cè)[J];中國(guó)安全生產(chǎn)科學(xué)技術(shù);2017年05期

5 苗永紅;柏國(guó)龍;;基于概率神經(jīng)網(wǎng)絡(luò)的孔壓靜力觸探的土層界面識(shí)別[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

6 袁，

本文編號(hào)：1515737