本文關(guān)鍵詞：基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：我國是世界上最大的煤炭生產(chǎn)國和消費國,然而煤礦行業(yè)是一個高危行業(yè),煤炭開采過程中,瓦斯涌出會造成窒息甚至爆炸等事故,威脅煤礦安全生產(chǎn)。因此,準確預(yù)測礦井瓦斯涌出量對保證煤礦安全生產(chǎn)至關(guān)重要。由于神經(jīng)網(wǎng)絡(luò)其自組織、自適應(yīng)、并行化處理等特性,基于神經(jīng)網(wǎng)絡(luò)的瓦斯預(yù)測方法得到了廣泛使用。然而隨著新技術(shù),新設(shè)備逐步加入煤礦生產(chǎn),在瓦斯涌出量預(yù)測中考慮的因素越來越多。但是輸入數(shù)據(jù)的維數(shù)過大,會造成網(wǎng)絡(luò)規(guī)模的劇增,降低網(wǎng)絡(luò)的泛化能力和收斂性。現(xiàn)有研究中,大多僅考慮部分主要因素且常常忽略影響因素之間存在相關(guān)性的問題,預(yù)測精度難以保證。 本文提出基于主成分分析的BP神經(jīng)網(wǎng)絡(luò),旨在針對復雜的礦井瓦斯涌出量預(yù)測問題,使用主成分分析對多變量參數(shù)矩陣進行處理,得到能最大程度反映原變量信息且互不相關(guān)的較少主成分,使原來的多維問題簡化。以得到的主成分作為BP神經(jīng)網(wǎng)絡(luò)的輸入進行礦井瓦斯涌出量的預(yù)測。結(jié)合實際案例,設(shè)計實驗將原始數(shù)據(jù)分為訓練子集和測試子集,驗證基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測模型,在可行性、預(yù)測精準性、時間優(yōu)良性及穩(wěn)定性等方面的表現(xiàn)。將基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測模型與主流的BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型進行對比實驗,證明了其在預(yù)測精度和時間優(yōu)良性方面表現(xiàn)良好。
【關(guān)鍵詞】：礦井瓦斯涌出量 主成分分析 BP神經(jīng)網(wǎng)絡(luò)
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TD712.5;TP183
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-19
• 1.1 論文選題背景與意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-17
• 1.3 研究內(nèi)容17-18
• 1.4 論文的結(jié)構(gòu)安排18-19
• 2 相關(guān)理論基礎(chǔ)與技術(shù)19-26
• 2.1 瓦斯涌出機理19
• 2.2 神經(jīng)網(wǎng)絡(luò)算法19-24
• 2.2.1 神經(jīng)網(wǎng)絡(luò)算法概述19-21
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)算法21-22
• 2.2.3 Matlab神經(jīng)網(wǎng)絡(luò)工具箱22-24
• 2.3 主成分分析法24-26
• 3 基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測模型26-39
• 3.1 瓦斯涌出量影響因素及預(yù)測特點分析26-29
• 3.1.1 瓦斯涌出量影響因素26-28
• 3.1.2 瓦斯涌出量預(yù)測特點分析28-29
• 3.2 BP神經(jīng)網(wǎng)絡(luò)在礦井瓦斯涌出量預(yù)測中的適用性分析29-31
• 3.3 目前存在的問題及本文解決思路31-32
• 3.4 基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)瓦斯涌出量預(yù)測模型設(shè)計32-39
• 3.4.1 輸入量和輸出量以及輸入層和輸出層設(shè)計32-33
• 3.4.2 隱含層設(shè)計33-34
• 3.4.3 傳遞函數(shù)、訓練函數(shù)以及學習函數(shù)設(shè)計34
• 3.4.4 算法流程設(shè)計34-39
• 4 實例仿真與分析39-56
• 4.1 實例描述39-40
• 4.2 案例預(yù)測模型構(gòu)建40-49
• 4.2.1 數(shù)據(jù)歸一化處理40-42
• 4.2.2 主成分確定42-46
• 4.2.3 網(wǎng)絡(luò)相關(guān)參數(shù)確定46-48
• 4.2.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定48-49
• 4.3 自身檢驗實驗方案設(shè)計及結(jié)果分析49-53
• 4.3.1 訓練次數(shù)穩(wěn)定性驗證49-51
• 4.3.2 隱節(jié)點數(shù)穩(wěn)定性驗證51-53
• 4.4 對比實驗方案設(shè)計及結(jié)果分析53-56
• 4.4.1 與BP神經(jīng)網(wǎng)絡(luò)對比實驗及分析53-54
• 4.4.2 與RBF神經(jīng)網(wǎng)絡(luò)對比實驗及分析54-56
• 5 總結(jié)與展望56-58
• 5.1 總結(jié)56-57
• 5.2 展望57-58
• 參考文獻58-61
• 作者簡歷及攻讀碩士/博士學位期間取得的研究成果61-63
• 學位論文數(shù)據(jù)集63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王濤;王洋洋;郭長娜;張繼華;;QGA-RBF神經(jīng)網(wǎng)絡(luò)在礦井瓦斯涌出量預(yù)測中的應(yīng)用[J];傳感技術(shù)學報;2012年01期

2 劉黎明,肖紅飛;神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出預(yù)測中的應(yīng)用[J];礦業(yè)安全與環(huán)保;2003年01期

3 劉新榮;鮮學福;;煤層瓦斯涌出量與若干地質(zhì)因素之間的關(guān)系探討[J];礦業(yè)安全與環(huán)保;2006年01期

4 袁東升,楊運良,孫方田;三維灰趨勢面分析法在瓦斯涌出量預(yù)測中應(yīng)用[J];遼寧工程技術(shù)大學學報;2003年04期

5 施式亮;伍愛友;;基于神經(jīng)網(wǎng)絡(luò)與遺傳算法耦合的煤與瓦斯突出區(qū)域預(yù)測研究[J];中國工程科學;2009年09期

6 李靖華,郭耀煌;主成分分析用于多指標評價的方法研究——主成分評價[J];管理工程學報;2002年01期

7 王正國;;淺析瓦斯涌出的影響因素[J];甘肅科技;2012年14期

8 李澤瑜;孟祥云;;礦井瓦斯涌出量預(yù)測方法[J];遼寧工程技術(shù)大學學報(自然科學版);2014年09期

9 李艷雙,曾珍香,張閩,于樹江;主成分分析法在多指標綜合評價方法中的應(yīng)用[J];河北工業(yè)大學學報;1999年01期

10 王春曉;陳開巖;張寶;;基于Elman組合預(yù)測模型的瓦斯涌出量預(yù)測[J];黑龍江科技學院學報;2011年04期

  本文關(guān)鍵詞：基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：297230