检索结果-南通市图书馆

信息与控制 2020年第2期49卷 249-256页

作者：王雨虹孙福成付华徐耀松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

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QGN... 详细信息

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.

关键词：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

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于优化量子门节点神经网络的煤与瓦斯突出预测模型研究

基于优化量子门节点神经网络的煤与瓦斯突出预测模型研究

引用

作者：孙福成辽宁工程技术大学

学位级别：硕士

煤与瓦斯突出的发生不仅给煤矿企业造成严重的经济损失,而且还威胁着井下工人的生命安全。开展煤与瓦斯突出风险预测可实现瓦斯突出事故的“早发现、早防治”,将瓦斯突出造成的损失降到最低。煤与瓦斯突出预测是一个典型的非线性预测问... 详细信息

煤与瓦斯突出的发生不仅给煤矿企业造成严重的经济损失,而且还威胁着井下工人的生命安全。开展煤与瓦斯突出风险预测可实现瓦斯突出事故的“早发现、早防治”,将瓦斯突出造成的损失降到最低。煤与瓦斯突出预测是一个典型的非线性预测问题,预测精度往往不尽如人意。为此,本文提出了基于子维进化的粒子群优化算法（sd PSO）结合量子门节点神经网络（QGNN）的瓦斯突出风险等级预测模型。首先,以瓦斯突出“综合假说”为理论基础,分析了瓦斯突出条件、过程及影响因素,建立了瓦斯突出预测指标体系,该指标体系充分体现了地质、瓦斯及煤体物理性质对瓦斯突出的影响。考虑到各预测指标在瓦斯突出发生和演化过程中对突出的作用及影响程度的差异,采用灰色关联分析法计算瓦斯突出强度与各个预测指标间的关联度,从而确定瓦斯突出主控因素,同时降低了信息的冗余性。针对瓦斯突出预测具有的非线性与不确定性特征,提出了量子门节点神经网络以提高解决不确定性问题的能力。分析了量子门节点神经网络的网络结构及学习算法,并通过引入子维进化改进粒子群更新方式对量子门节点神经网络中的隐含层幅角偏置矩阵（38）及网络输出层幅角偏置矩阵（37）进行优化,提高了粒子群算法的全局搜索能力及稳定性,改善了量子门节点神经网络的局部极值点较多,易陷入局部收敛的不足。为验证子维进化的粒子群优化算法的寻优性能,选取与瓦斯突出数据特征相符的具有非线性且变量相关与不相关的Sphere、Rastrigin、Griewank三种测试函数分别通过PSO与sd PSO进行寻优,3维测试函数,PSO与sd PSO的寻优成功率分别为100%、25%、12%;100%、83%、62%,10维测试函数,PSO与sd PSO的寻优成功率分别为33%、0、0;100%、40%、53%,实验结果表明,PSO对于多峰非线性函数的寻优成功率要明显低于sd PSO,说明了sd PSO在粒子的全局搜索能力和算法的稳定性等方面得到了提升。基于此,提出了sd PSO算法优化QGNN的优化过程,建立了sd PSO-QGNN的煤与瓦斯突出风险等级预测模型。最后,以瓦斯突出实测数据对sd PSO-QGNN煤与瓦斯突出风险等级预测模型进行验证,并与BP、IPSO-SVM、memetic-ELM的试验结果作对比分析,预测精度分别为97.5%、82.5%、90%、87.5%,收敛时间分别为1.2974s、1.9962s、1.1123s、4.6742s。结果表明,虽然sd PSO-QGNN的收敛时间不是最少的,但是其预测精度最高,在可控的时间范围内,煤与瓦斯突出预测更看重模型的预测精度。综上所述,该模型的预测性能和泛化能力良好,能够实现对瓦斯突出风险等级准确预测。该论文有图26幅,表21个,参考文献93篇。

关键词：煤与瓦斯突出风险预测灰色关联分析量子门节点神经网络子维进化的粒子群优化算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于灰色关联及量子门节点神经网络的时间序列预测

引用

闽江学院学报 2020年第2期41卷 31-40页

作者：黄凌霄廖一鹏郑秀兰阳光学院人工智能学院福建福州350015 福州大学物理与信息工程学院福建福州350015 福建省龙岩市气象局福建龙岩364000

为了有效地解决时间序列的波动性、随机性,以及处理难度大等造成的预测不稳定、预测误差大等问题,提出了结合灰色关联分析与量子门节点神经网络的时间序列预测模型。首先,通过灰色关联分析计算时间序列的主特征值与各影响因子的关联度... 详细信息

为了有效地解决时间序列的波动性、随机性,以及处理难度大等造成的预测不稳定、预测误差大等问题,提出了结合灰色关联分析与量子门节点神经网络的时间序列预测模型。首先,通过灰色关联分析计算时间序列的主特征值与各影响因子的关联度并根据关联度值进行排序,删除低于关联度阈值的影响因子所对应的原始序列并更新时间序列,以降低待处理的数据量。然后,将更新后的时间序列作为输入,采用基于梯度下降算法的量子门节点神经网络,合理分配训练与测试数据,深入学习时间序列的变化规律,得到预测结果和预测误差。实验结果表明,该组合模型所得到的预测误差的稳定性和精度均优于传统的单一时间序列预测模型,为时间序列预测以及其他预测提供了一种新的思路和方法。

关键词：灰色关联分析量子门节点神经网络时间序列梯度下降算法预测误差

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

浮选气泡NSCT域多尺度等效形态特征提取及识别

引用

光学精密工程 2020年第3期28卷 704-716页

作者：黄凌霄廖一鹏阳光学院人工智能学院福建福州350015 福州大学物理与信息工程学院福建福州350108

为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为... 详细信息

为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像;采用模糊集方法二值化低频子带图像,得到气泡亮点图像,提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征;结合方向模极大值及差分盒维法计算各高频子带方向的分形维数;最后,将多尺度多方向等效形态尺寸特征作为输入,采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明,该方法提取的等效形态尺寸特征与分类的相关性高,能对三种类型浮选气泡图像进行有效的状态识别,平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高,适用于动态变化的浮选工况。

关键词：浮选气泡图像多尺度等效形态特征 NSCT变换模糊集二值化模极大值分形维数量子门节点神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：