基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测

• 作者: 姚英彪 孙健 王海伦 郑慧娟 顾能华
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 煤与瓦斯突出 核主成分分析(KPCA) T-S模糊神经网络 仿真预测
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP18
• 字数: 3766字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.09.004

摘要

应用核主成分分析(KPCA)和T-S模糊神经网络方法对煤与瓦斯突出进行快速、精准预测.利用KPCA对实验样本数据中的多种煤与瓦斯致突因素进行降维,简化问题的复杂度,将选取的累计贡献率大于90％的4个主成分作为T-S模糊神经网络的输入参数,煤与瓦斯突出强度作为输出参数.利用实测数据进行验证,并与BP神经网络预测模型、T-S模糊神经网络预测模型的预测结果进行比较.结果表明,该方法建立的预测模型准确性、有效性更高,收敛时间短,适用于煤与瓦斯突出预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海伦	衢州学院电气与信息工程学院	20	67	4.0	7.0
2	姚英彪	杭州电子科技大学通信工程学院	42	181	8.0	11.0
3	顾能华	衢州学院电气与信息工程学院	17	34	3.0	5.0
4	郑慧娟		2	4	2.0	2.0