基于LLE-FOA-BP模型的煤与瓦斯突出强度预测

• 作者: 张平 敖选俊 李鑫灵 袁梅 隆能增
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤与瓦斯突出强度预测 局部线性嵌入 果蝇算法 BP神经网络 大数据处理
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 实验研究
• 页码范围: 68-73
• 页数: 6页
• 分类号: TD713
• 字数: 5307字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019010054

摘要

针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法.借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测.测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06％,相对误差的方差为3.69,经过24次迭代训练就达到108的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁梅	贵州大学矿业学院	57	424	11.0	19.0
9	隆能增	贵州大学矿业学院	7	6	2.0	2.0
18	李鑫灵	贵州大学矿业学院	7	6	2.0	2.0
19	张平	贵州大学矿业学院	5	6	2.0	2.0