基于改进广义回归神经网络的工作面低氧预测模型研究

• 作者: 周世禄 张子鹏 杨小彬 王逍遥
• 来源期刊: 矿业科学学报
• 学科: 工学
• 关键词: 低氧问题 广义回归神经网络 预测模型 泛化能力
• 年，卷（期）: 2019,（5）
• 页码范围: 434-440
• 页数: 7页
• 分类号: TD727
• 字数: 4179字
• 语种: 中文

摘要

为了更有效合理地解决煤矿工作面中低氧问题,以神东某煤矿工作面监测数据为样本,考虑监测物理参数之间的相互影响关系,借助主成分分析法对广义回归神经网络(GRNN)进行改进,构建工作面氧气浓度预测模型,编制改进的GRNN模型程序.将预测氧气浓度结果与实测数据对比,证明改进后的GRNN模型具有良好的拟合准确度和泛化能力,比改进前GRNN模型和BP神经网络模型更适合于煤矿工作面低氧问题的预测;利用改进的GRNN模型分析了工作面进、回风压力及进风温度对工作面及回风平巷氧浓度的影响,为矿井工作面低氧预测及工作面低氧防治技术提供了参考.