广义RBF神经网络在煤矿冲击地压预测上的应用

• 作者: 李焱 马尽文
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: RBF神经网络 贝叶斯阴阳和谐学习 矿山冲击地压 预测
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 应用
• 页码范围: 1689-1695
• 页数: 7页
• 分类号: TP183
• 字数: 4379字
• 语种: 中文

摘要

本文将广义径向基函数(RBF)神经网络应用于华丰煤矿实测的煤矿中冲击地压数据的建模和短期预报.在网络设计上,本文采用了贝叶斯阴阳(BYY)和谐学习算法进行网络隐单元个数的确定和参数初始值的选取,而在参数学习上,本文则采用了同步LMS学习算法.实验结果表明,这种基于广义RBF神经网络的预测方法在精度和速度上有了显著的优势,能够满足在工程应用中的实际要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马尽文	北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室	18	87	5.0	9.0
2	李焱	北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室	20	132	5.0	11.0