摘要
为提高区域性煤与瓦斯突出预测模型的预测准确度并减小预测均方误差,提出了一种基于改进的粒子群优化(PSO)算法优化的广义回归神经网络(GRNN)。以网络的光滑因子为自变量、网络误差为目标函数,通过改进PSO算法搜索出误差的全局最小值,找出网络的最优光滑因子,用优化后的GRNN进行煤与瓦斯突出预测,并以淮南矿区的实测数据训练和检验该模型。试验结果表明,基于改进粒子群优化算法优化的GRNN模型预测准确率为95%,实际突出数据的预测准确率为100%,实际不突出数据的预测准确率为93.3%。相较于PSO算法和果蝇优化算法(FOA)优化的GRNN预测结果,该模型的预测准确率最高,均方误差最小,具有更好的泛化能力,为煤与瓦斯突出智能预测提供了新的方案。
出处
《长江大学学报（自然科学版）》
CAS
2020年第2期92-97,共6页
Journal of Yangtze University(Natural Science Edition)
基金
国家重点研发计划项目“煤矿井下瓦斯防治无人化关键技术与装备”(2018YFC0808000)。
作者简介
第一作者:胡业林(1962-),男,博士,教授,现主要从事计算机控制与检测技术、煤矿安全监测技术、仪器仪表等方面的教学与研究工作,Email:1530645169@qq.com。
