基于随机隐含层权值神经网络的瓦斯浓度预测

• 作者: 余国锋 张以文 涂辉 郭海帅
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 瓦斯浓度预测 随机隐含层权值 神经网络 BNSGA-Ⅱ NN
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 699-707
• 页数: 9页
• 分类号: TP183
• 字数: 7849字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.04.017

摘要

煤矿的安全生产一直是人们重点研究的课题之一.在众多的煤矿开采安全事故中,瓦斯引起的事故占到了大多数.对井下生产线的瓦斯浓度进行实时准确的预测,提前预知生产环境是否处于安全状态,对煤矿的安全生产来说意义重大.针对这一问题,提出了一种基于NSGA-Ⅱ训练的随机隐含层神经网络(BNSGA-Ⅱ NN)来进行瓦斯浓度预测的方法.一方面,NSGA-Ⅱ需要设定的参数少,使用较为简单;另一方面,NSGA-Ⅱ中的交叉变异机制避免了陷入局部最优解.为了证明NSGA-Ⅱ训练的随机隐含权值神经网络的预测质量,通过实验与PSOGSA训练的随机隐含层神经网络(PSOGSA NN)进行了对比.实验结果表明,BNSGA-Ⅱ NN的预测质量明显高于PSOGSA NN的预测质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余国锋		5	66	4.0	5.0
2	张以文	安徽大学计算智能与信号处理教育部重点实验室	45	260	9.0	14.0
3	涂辉		4	17	2.0	4.0
4	郭海帅	安徽大学计算智能与信号处理教育部重点实验室	1	2	1.0	1.0