ACPSO-BP神经网络在矿井突水水源判别中的应用

• 作者: 张瑞林 徐星 李垣志 田坤云
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 突水水源 BP神经网络 SPSO算法 自适应变异 Tent混沌映射
• 年，卷（期）: 2018,（6）
• 页码范围: 91-101
• 页数: 11页
• 分类号: TD745
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2018.06.011

摘要

矿井多年来的连续开采使各含水层水质特征变得更加复杂 、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点.通过将"早熟"判断机制 、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型 、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快 、精度高和泛化能力强的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田坤云	河南工程学院安全工程学院	76	213	7.0	8.0
2	徐星	河南工程学院安全工程学院	35	141	7.0	10.0
3	张瑞林	河南工程学院安全工程学院	44	121	6.0	8.0
4	李垣志	河南理工大学安全科学与工程学院	10	41	3.0	5.0