基于主元分析与神经网络的垮落煤岩性状识别方法研究

• 作者: 吴淼 李一鸣 柳二猛 焦亚博 薛光辉
• 来源期刊: 煤炭工程
• 学科: 工学
• 关键词: 综放开采 煤岩性状识别 主元分析 BP神经网络
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 研究探讨
• 页码范围: 106-109
• 页数: 4页
• 分类号: TD823.97
• 字数: 3920字
• 语种: 中文
• DOI: 10.11799/ce201606032

摘要

为了获得综放开采现场用以分类煤岩的有效的特征向量和分类模型，通过已有的设备及设计采集方案，对综放开采现场的煤岩声压信号进行了采集；并对获取的声压信号进行时域分析，得到时域特征向量并作为神经网络的输入向量；利用主元分析（简称PCA），减少时域特征间的相关性，降低神经网络输入向量的维数；然后设计BP 神经网络模型，通过比较梯度下降法与Levenberg－Marquard算法，得知基于LM训练法耗时明显小于梯度下降法。最后对比进行PCA与未进行PCA的LM算法的BP神经网络煤岩识别结果，得到PCA与LM算法的BP神经网络结合的方式识别准确率高且耗时短。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛光辉	中国矿业大学北京机电与信息工程学院	10	13	2.0	3.0
2	吴淼	中国矿业大学北京机电与信息工程学院	78	539	14.0	21.0
3	柳二猛	中国矿业大学北京机电与信息工程学院	2	4	1.0	2.0
4	焦亚博	中国矿业大学北京机电与信息工程学院	2	4	1.0	2.0
5	李一鸣	中国矿业大学北京机电与信息工程学院	2	4	1.0	2.0