摘要
为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。
To improve the accuracy and efficiency of absolute gas emission prediction, a new algorithm based on Chaos Immune Particle Swarm Optimization（ CIPSO） and General Regression Neural Network（ GRNN） was proposed. In this algorithm, CIPSO was employed to dynamically optimize the smooth factor of GRNN to reduce the impact of artificial factors in GRNN model construction, and then the optimized network was adopted to establish gas emission prediction model. The simulation experiment results on gas emission data of a coal mine show that the model is of faster convergence and higher prediction accuracy than other prediction models based on BP and Elman neural network. It is proved that the proposed method is feasible and effective.
出处
《计算机应用》
CSCD
北大核心
2014年第11期3348-3352,共5页
journal of Computer Applications
基金
国家自然科学基金资助项目(51274118)
辽宁省科技攻关项目(2011229011)
关键词
混沌免疫粒子群优化
广义回归神经网络
回采工作面
瓦斯涌出量
Chaos Immune Particle Swarm Optimization（CIPSO）
General Regression Neural Network（GRNN）
working face
gas emission quantity
作者简介
通信作者：王雨虹（1979-），女，辽宁阜新人，讲师，博士研究生，主要研究方向：智能算法、智能检测监控；电子邮箱yuhong0804001@126．com
付华（1962-），女，辽宁阜新人，教授，博士生导师，主要研究方向：信息处理、智能检测、智能控制；
侯福营（1987-），男，山东菏泽人，硕士研究生，主要研究方向：机器学习、智能优化算法；
张洋（1979-），男，辽宁葫芦岛人，讲师，博士研究生，主要研究方向：计算机系统仿真。
