耦合神经网络在瓦斯涌出量动态预测中的应用

作     者：李文华 杨子凝 王来贵 LI Wenhua;YANG Zining;WANG Laigui

作者机构：辽宁工程技术大学机械工程学院辽宁阜新123000 辽宁工程技术大学力学与工程学院辽宁阜新123000 

出 版 物：《辽宁工程技术大学学报（自然科学版）》 (Journal of Liaoning Technical University (Natural Science))

年 卷 期：2018年第37卷第4期

页      面：750-755页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(51474121) 辽宁省教育厅项目(L2014123) 

主　　题：瓦斯涌出量 改进的果蝇优化算法(MFOA) Elman神经网络(ENN) 动态预测 

摘      要：为了更有效、准确地对煤矿瓦斯涌出量进行预测,保障煤矿生产安全,提出了一种基于改进果蝇算法(MFOA)优化Elman神经网络(ENN)的智能动态预测方法.首先,利用主成分分析法(PCA)对煤矿瓦斯涌出量监测数据进行降维处理;其次,引入果蝇算法以改进的自适应搜索步长进行搜索,以此实现对ENN网络参数的全局寻优,从而建立基于MFOA-ENN的煤矿瓦斯涌出量动态预测模型,并对预测效果进行了验证.实验结果表明:MFOA-ENN模型的平均相对变动值为0.003 7、均方根误差为0.102 6、平均相对误差为1.499%,相比于RBF模型、Elman神经网络模型、SOM-RBF模型以及FOA-ENN模型在煤矿瓦斯涌出量预测控制方面具有更好适应性、精度及泛化能力.