基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
结合粗集理论的属性约简功能和人工神经网络的非线性映射特性,提出了煤与瓦斯突出的一种预测方法.首先用粗集理论对训练样本进行属性约简和降噪,然后将经过预处理的训练样本代入神经网络进行训练,获得稳定的网络结构,最后用训练好的神经网络对待测样本进行预测.实际应用表明:瓦斯压力、瓦斯放散速度、地质构造、煤的坚固性系数和开采深度是煤与瓦斯突出预测的必要指标;粗集神经网络模型具有较高的预测精度和良好的实用性,是一种十分有效的煤与瓦斯突出预测方法.
推荐文章
粗集-RBF神经网络在瓦斯突出预测中的应用
粗集-RBF神经网络
瓦斯突出
DSP
无线传感器网络
基于BP和RBF神经网络的煤与瓦斯突出预测研究
BP神经网络
径向基神经网络
预测
煤与瓦斯突出
基于灰色关联熵的煤与瓦斯突出概率神经网络预测模型
煤与瓦斯突出
危险性预测
熵权法
灰色关联度分析
概率神经网络
基于RBF网络的煤与瓦斯突出预测研究
煤与瓦斯突出
RBF神经网络
减聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 粗集神经网络在煤与瓦斯突出预测中的应用
来源期刊 自然灾害学报 学科 工学
关键词 煤与瓦斯突出 粗集 神经网络 预测
年,卷(期) 2009,(6) 所属期刊栏目
研究方向 页码范围 193-197
页数 5页 分类号 TU823
字数 3262字 语种 中文
DOI 10.3969/j.issn.1004-4574.2009.06.032
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 冯涛 湖南科技大学能源与安全工程学院 152 1962 22.0 37.0
2 谢东海 湖南科技大学能源与安全工程学院 43 530 14.0 22.0
3 朱晓琳 湖南科技大学社会科学处 7 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (178)
参考文献  (6)
节点文献
引证文献  (13)
同被引文献  (33)
二级引证文献  (22)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(5)
  • 引证文献(1)
  • 二级引证文献(4)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(6)
  • 引证文献(2)
  • 二级引证文献(4)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(5)
  • 引证文献(2)
  • 二级引证文献(3)
2017(5)
  • 引证文献(3)
  • 二级引证文献(2)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
煤与瓦斯突出
粗集
神经网络
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自然灾害学报
双月刊
1004-4574
23-1324/X
大16开
哈尔滨市学府路29号
1992
chi
出版文献量(篇)
3362
总下载数(次)
1
总被引数(次)
58347
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导