ESN神经网络在矿井突水水源判别中的应用

• 作者: 张轩轩 李垣志 牛国庆
• 来源期刊: 煤炭技术
• 学科: 工学
• 关键词: 突水水源判别 回声状态网络 BP Elman GA-BP
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 安全技术与工程
• 页码范围: 196-199
• 页数: 4页
• 分类号: TD745
• 字数: 3125字
• 语种: 中文
• DOI: 10.13301/j.cnki.ct.2018.01.074

摘要

针对传统神经网络水源判别模型仍存在判别精度低、稳定性差和效率不高的问题,提出了基于回声状态网络(ESN)的水源判别模型,将其应用于不同矿山,并与BP、Elman和改进的GA-BP神经网络的判别结果进行对比.结果表明:ESN水源判别模型的稳定性是BP和Elman模型的6～10倍且准确率提高到90％～96％;判别精度是BP神经网络的2～5倍,略高于Elman神经网络;在时效性和精度方面远远优于改进的GA-BP神经网络.因此,ESN神经网络具备高精度、高准确率、高时效性和稳定性的特点,可作为一种快速有效判别矿井突水来源的辅助决策手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	牛国庆	河南理工大学安全科学与工程学院	51	292	10.0	15.0
2	李垣志	河南理工大学安全科学与工程学院	10	41	3.0	5.0
3	张轩轩	河南理工大学安全科学与工程学院	12	19	3.0	3.0