基于PCA-FOA-GRNN的回采工作面瓦斯涌出量预测

• 作者: 刘岩 撒占友 綦鲁杰
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 回采工作面 瓦斯涌出量 广义回归神经网络 果蝇算法 主成分分析
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 分析·探讨
• 页码范围: 133-136
• 分类号: TD712
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2015.01.039

摘要

回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测.广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰.选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98％,低于传统GRNN模型的7.06％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	撒占友	青岛理工大学安全科学与工程系	41	182	7.0	12.0
2	綦鲁杰	青岛理工大学安全科学与工程系	2	3	1.0	1.0
3	刘岩	青岛理工大学安全科学与工程系	3	10	2.0	3.0