GRNN模型在煤与瓦斯突出及瓦斯含量预测中的应用

• 作者: 付小平 李洪涛 薛新华
• 来源期刊: 中国安全科学学报
• 学科: 工学
• 关键词: 煤与瓦斯突出 构造复杂程度 瓦斯含量 预测 广义回归神经网络(GRNN)
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 安全系统学
• 页码范围: 24-28
• 分类号: X936
• 字数: 2368字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3033.2012.01.004

摘要

煤与瓦斯突出的作用机理非常复杂,是诸多因素如地应力、煤层瓦斯、煤体物理力学性质等共同作用的结果.在分析广义回归神经网络(GRNN)的基本原理和算法的基础上,建立煤与瓦斯突出等级以及基于构造复杂程度定量评价的瓦斯含量GRNN模型.然后用收集到的工程实例样本训练和检验该模型.结果表明,GRNN模型具有很好的预测能力和泛化能力,能较好揭示瓦斯含量和诸影响因素间的关系,可用于煤与瓦斯突出判别以及瓦斯含量预测.同时可以看出,光滑因子的合理选取对于提高GRNN模型的预测精度非常重要,因此,在以后的实际应用中需要不断尝试,找出最合理的光滑因子.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李洪涛	四川大学水利水电学院	63	351	8.0	17.0
2	付小平		1	31	1.0	1.0
3	薛新华	四川大学水利水电学院	35	164	6.0	11.0