基于KP CA和CIP SO￣P NN的煤与瓦斯突出强度辨识模型?

• 作者: 付华 张洋 王雨虹
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 煤与瓦斯突出 强度辨识 核主成分分析 概率神经网络 混沌免疫粒子群
• 年，卷（期）: 2015,（2）
• 页码范围: 271-277
• 页数: 7页
• 分类号: TP212|TP183
• 字数: 5348字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2015.02.022

摘要

为了实现对煤与瓦斯突出强度等级的准确辨识，提出将核主成分分析( KPCA)和改进概率神经网络相结合，建立煤与瓦斯突出的强度辨识模型。根据煤层条件和生产条件，确定影响煤矿瓦斯突出的相关基础参数并对其进行测定，采用KPCA对该参数集进行降维处理，提取出可以表征煤与瓦斯突出的敏感参数作为辨识模型的输入值。利用混沌免疫粒子群算法( CIPSO)优化概率神经网络(PNN)的σ参数，以克服PNN中平滑参数σ单一而导致的分类错误，避免了人为因素的影响，提高辨识模型的精度。实例分析结果表明，相比BP、PNN、PSO￣PNN等方法，该方法对煤与瓦斯突出强度进行辨识，结果更为准确。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付华	辽宁工程技术大学电气与控制工程学院	242	1698	20.0	28.0
2	王雨虹	辽宁工程技术大学电气与控制工程学院	26	188	8.0	13.0
3	张洋	辽宁工程技术大学电子与信息工程学院	20	83	6.0	8.0