基于神经网络的煤与瓦斯突出规模预测研究

• 作者: 段梦楠 刘泽功
• 来源期刊: 淮阴工学院学报
• 关键词: 煤与瓦斯突出 神经网络 BP GA-BP RBF GRNN算法 改进神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息与计算机|Information and Computer
• 页码范围: 33-39
• 页数: 7页
• 分类号: X936
• 语种: 中文
• DOI: 10.3969/j.issn.1009-7961.2021.01.007

摘要

由于传统煤与瓦斯突出预测方法难以理清多种致因间的非线性关系,提出依据人工神经网络建立新的预测方法.基于枚举法思想改进BP、RBF神经网络,使其能够迭代出最佳隐藏层层数、神经元个数以及spread值,并引入GA-BP、GRNN神经网络对矿区实测数据进行学习仿真,对比4类不同的神经网络预测煤与瓦斯突出规模的性能.结果表明,改进后的BP神经网络基于矿区实测样本得出最佳拓扑结构,预测性能优于依据传统经验公式所确定的拓扑结构;改进后的RBF神经网络的spread值取1时,预测性能最优.在训练集挑选合适的情况下,4类神经网络都能较好地预测煤与瓦斯突出规模,其中RBF神经网络的稳定性最好.改进后的4种神经网络,能够收集出现错误的样本的频率,并提示需要补充、完善的样本数据.