基于优化的量子门节点神经网络的煤与瓦斯突出预测

作     者：王雨虹 孙福成 付华 徐耀松 WANG Yuhong;SUN Fucheng;FU Hua;XUN Yaosong

作者机构：辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105 辽宁工程技术大学安全科学与工程学院辽宁阜新123000 

出 版 物：《信息与控制》 (Information and Control)

年 卷 期：2020年第49卷第2期

页      面：249-256页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51974151) 辽宁省教育厅资助项目(LJ2019QL015) 

主　　题：煤与瓦斯突出 风险等级预测 灰色关联分析(GRA) 量子门节点神经网络 子维进化的粒子群优化算法 

摘      要：为了精准地预测煤与瓦斯突出风险等级,提出了一种基于子维进化的粒子群优化算法(sdPSO)和量子门节点神经网络(QGNN)的瓦斯突出风险等级预测模型sdPSO-QGNN.利用灰色关联分析(GRA)对突出影响因素进行降维处理,将筛选出的主控因素作为QGNN的输入,利用sdPSO对量子门节点神经网络参数进行优化,以提高量子门节点神经网络的全局与局部搜索能力,建立sdPSO-QGNN的瓦斯突出风险等级预测模型,实现对瓦斯突出风险的预测.实验结果表明,与BP(back propagation)神经网络、对称Alpha稳定分布的概率神经网络(SαS-PNN)、免疫粒子群算法优化的支持向量机(IPSO-SVM)、Memetic算法优化的极限学习机(Memetic-ELM)等预测模型相比,所提方法在提升模型泛化能力、提高预测精度方面效果显著.