煤与瓦斯突出强度预测的IGABP方法

作     者：杨敏 汪云甲 李瑞霞 YANG Min;WANG Yun-jia;LI Rui-xia

作者机构：中国矿业大学江苏省资源环境信息工程重点实验室 中国矿业大学环境与测绘学院江苏徐州221008 太原理工大学阳泉学院山西阳泉045000 

出 版 物：《重庆大学学报（自然科学版）》 (Journal of Chongqing University)

年 卷 期：2010年第33卷第1期

页      面：113-118页

核心收录：

学科分类：0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 

基　　金：国家自然科学基金资助项目(50534050 50774080) 中国矿业大学校科研究基金资助项目(2007A033) 

主　　题：煤与瓦斯突出 突出强度预测 IGABP神经网络 模型改进 BP算子 

摘      要：针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。