K-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用

• 作者: 张新盈
• 来源期刊: 中国矿业
• 学科: 工学
• 关键词: 导水裂缝带高度 预测模型 RBF神经网络 K-means 量子遗传
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 矿业纵横
• 页码范围: 164-167
• 页数: 4页
• 分类号: TD325
• 字数: 2744字
• 语种: 中文

摘要

导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性.为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高度预计模型.模型经过训练学习和检验,发现模型预计精度满足工程精度需求,且与PSO-RBF神经网络相比,精度更高、收敛速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新盈		5	16	3.0	3.0