典型文献
基于GASA-BP神经网络的煤层瓦斯含量预测方法研究
文献摘要：
为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法(GA)和模拟退火算法(SA)混合初始化BP神经网络(BPNN)的瓦斯含量预测新模型(GASA-BPNN模型).利用灰色关联分析法(GRA)筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入.为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力.将该模型应用于煤炭生产现场,结果表明:BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79％,9.03％,5.56％.相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高.
文献关键词：
BP神经网络;煤层瓦斯含量;遗传算法(GA);模拟退火算法(SA);灰色关联分析(GRA)
中图分类号：
作者姓名：
马磊;陆卫东;魏国营
作者机构：
河南理工大学安全科学与工程学院,河南焦作454000;新疆工程学院安全科学与工程学院,新疆乌鲁木齐830023;煤炭安全生产与清洁高效利用省部共建协同创新中心,河南焦作454000
文献出处：
引用格式：
[1]马磊;陆卫东;魏国营-.基于GASA-BP神经网络的煤层瓦斯含量预测方法研究)[J].中国安全生产科学技术,2022(08):59-65
A类：
B类：
GASA,煤层瓦斯含量,含量预测,模拟退火算法,初始化,BPNN,预测新模型,灰色关联分析法,GRA,主控因素,收敛速度,速度慢,和易,局部极小,陷阱,突跳,权值,参数学习,模型应用,煤炭生产,生产现场,平均相对误差,泛化能力,训练速度
AB值：
0.218393
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
