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:
煤与瓦斯突出影响因素众多且关系十分复杂,一般基于工程类比的基础上,应用聚类的方法进行判断,而不能使用简单的方法进行判断分析.为了更好地解决这类问题,将蚁群聚类算法应用到该领域,以解决其预测问题.
推荐文章
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
蚁群聚类算法在隐写分析中的应用
隐写分析
富模型
集成分类
蚁群算法
煤与瓦斯突出预报的理想灰贴近函数聚类关联分析
煤与瓦斯突出
灰贴近函数
聚类分析
灰色关联度
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
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 蚁群聚类在煤与瓦斯突出预测中的应用
来源期刊 煤炭技术 学科 工学
关键词 煤与瓦斯突出 预测 蚁群聚类
年,卷(期) 2012,(11) 所属期刊栏目 安全技术
研究方向 页码范围 108-110
页数 3页 分类号 TD712
字数 2792字 语种 中文
DOI
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 彭涛 太原理工大学矿业工程学院 4 10 2.0 3.0
2 吴世跃 太原理工大学矿业工程学院 78 1332 18.0 35.0
3 郭勇义 太原理工大学矿业工程学院 40 443 11.0 20.0
7 王海柱 太原理工大学矿业工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (1)
参考文献  (2)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
煤与瓦斯突出
预测
蚁群聚类
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
煤炭技术
月刊
1008-8725
23-1393/TD
大16开
哈尔滨市香坊区古香街30号
14-252
1982
chi
出版文献量(篇)
23677
总下载数(次)
45
论文1v1指导