检索结果-维普期刊中文期刊服务平台

鲁棒性证据理论的煤层底板突水预测被引量：2: 1; 作者李凤莲陈晓磊 +2 位作者张雪英焦江丽李园园《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2015年第12期1350-1355,共6页; 为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立... 展开更多; 关键词煤层底板突水预测 D-S证据理论冲突概率 Yager合成方法鲁棒性证据理论神经网络; 在线阅读下载PDF 职称材料

基于PSO＿SVM＿AdaBoost的煤层底板突水预测研究被引量：5: 2; 作者温廷新于凤娥《计算机应用研究》 CSCD 北大核心 2018年第12期3664-3667,3677,共5页; 为提高煤层底板突水预测的效率与准确率,提出基于PSO_SVM_AdaBoost的煤层底板突水预测模型。在总结相关算法理论基础上,设计PSO_SVM_AdaBoost算法流程。为验证模型的可行性及有效性,通过引入UCI经典分类数据集进行实验。综合考虑煤层底... 展开更多; 关键词煤层底板突水预测主成分分析粒子群优化算法支持向量机 ADA Boost算法; 在线阅读下载PDF 职称材料

基于代价敏感理论的多决策树煤层底板突水预测模型被引量：4: 3; 作者李彦民周晨阳李凤莲《工矿自动化》北大核心 2020年第12期76-83,共8页; 在进行煤层底板突水预测时,水害状况一般分为安全和突水2种状态,状态数据具有非平衡特点,而已有的煤层底板突水预测模型主要适用于平衡数据,对非平衡数据集预测结果常呈现"一边倒"现象,即安全状况的预测准确率明显高于突水状... 展开更多; 关键词煤层底板突水预测突水影响因素非平衡数据集代价敏感理论多决策树; 在线阅读下载PDF 职称材料

基于LSTM神经网络的煤矿突水预测被引量：36: 4; 作者董丽丽费城 +1 位作者张翔曹超凡《煤田地质与勘探》 CAS CSCD 北大核心 2019年第2期137-143,共7页; 针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复... 展开更多; 关键词长短时记忆特征选择煤层底板突水预测; 在线阅读下载PDF 职称材料

题名鲁棒性证据理论的煤层底板突水预测被引量：2: 1; 作者李凤莲陈晓磊张雪英焦江丽李园园; 机构太原理工大学信息工程学院; 出处《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2015年第12期1350-1355,共6页; 基金中国博士后科学基金项目(2013M530896) 山西省科技重大专项(20121101004) 山西省科技攻关项目(20130321004-01); 文摘为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立了一种煤层底板突水预测模型,实验结果表明:所提出的基于鲁棒性证据理论的突水预测模型较已有的基于D-S证据理论的突水预测模型预测结果准确率相对更高,效果更好.; 关键词煤层底板突水预测 D-S证据理论冲突概率 Yager合成方法鲁棒性证据理论神经网络; Keywords coal floor water inrush prediction D-S evidence theory conflict probability Yager synthesismethod robust evidence theory D-S evidence theory neural network; 分类号 TD745 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名基于PSO＿SVM＿AdaBoost的煤层底板突水预测研究被引量：5: 2; 作者温廷新于凤娥; 机构辽宁工程技术大学系统工程研究所; 出处《计算机应用研究》 CSCD 北大核心 2018年第12期3664-3667,3677,共5页; 基金国家自然科学基金资助项目(713711091) 辽宁省社科基金资助项目(L14BTJ004); 文摘为提高煤层底板突水预测的效率与准确率,提出基于PSO_SVM_AdaBoost的煤层底板突水预测模型。在总结相关算法理论基础上,设计PSO_SVM_AdaBoost算法流程。为验证模型的可行性及有效性,通过引入UCI经典分类数据集进行实验。综合考虑煤层底板突水主要影响因素,确定煤层底板突水预测的评判指标。选取华北矿区60组实测数据为实验样本,利用主成分分析消除原始指标变量间的相关性,将消除相关性的变量作为PSO_SVM_AdaBoost模型的输入向量,并进一步对比分析样本数据处理前后应用模型的预测效果,比较PSO_SVM_AdaBoost、PSO_SVM、SVM模型的预测准确率。结果表明,主成分分析能有效地消除样本中的冗余信息,简化模型结构,提高模型预测准确率与运算效率; PSO_SVM_AdaBoost模型应用于煤层底板突水预测的准确率明显优于其他模型。; 关键词煤层底板突水预测主成分分析粒子群优化算法支持向量机 ADA Boost算法; Keywords prediction of water inrush from coal seam floor principal component analysis （PCA） particle swarm optimiza-tion（PSO） support vector machines （SVM） AdaBoost; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于代价敏感理论的多决策树煤层底板突水预测模型被引量：4: 3; 作者李彦民周晨阳李凤莲; 机构太原理工大学信息与计算机学院太原理工大学大数据学院; 出处《工矿自动化》北大核心 2020年第12期76-83,共8页; 基金山西省自然科学基金项目(201801D121138) 山西省人才专项项目(201605D211021)。; 文摘在进行煤层底板突水预测时,水害状况一般分为安全和突水2种状态,状态数据具有非平衡特点,而已有的煤层底板突水预测模型主要适用于平衡数据,对非平衡数据集预测结果常呈现"一边倒"现象,即安全状况的预测准确率明显高于突水状况的预测准确率,整体预测性能较低。针对该问题,构建了基于代价敏感理论的多决策树煤层底板突水预测模型。该模型中,每个决策树选用不同的突水影响因素作为单决策树的根节点,单决策树节点属性选择准则融合代价敏感理论及Gini指标,从而加重了对突水数据(少数类)误判的惩罚力度,提高了突水状况的预测性能;根据构建的单决策树突水预测模型得到其规则集,将所有单决策树突水预测模型规则集合并,得到多决策树突水预测模型规则集,采用多决策树突水预测模型规则集得到多个突水数据的预测结果,而后采用少数服从多数原则,基于投票法得到最终的预测结果。实验结果表明:该模型随着惩罚因子的增大,真实正类率预测结果呈现先增后减的趋势;与基于分类回归树(CART)算法的单决策树突水预测模型相比较,在数据不平衡率为2、分类错误惩罚因子取4时,该模型真实正类率可达到93.06%,真实负类率可达到97.85%,准确率为96.25%,均优于基于CART算法的突水预测模型性能;在数据不平衡率提高到6、分类错误惩罚因子取20时,2种模型的正类率均达到100%,本文模型的负类率为99.37%,准确率为99.47%,依然优于基于CART算法的突水预测模型性能。实验结果验证了本文模型的有效性。; 关键词煤层底板突水预测突水影响因素非平衡数据集代价敏感理论多决策树; Keywords coal seam floor water inrush prediction water inrush influencing factors unbalanced data set cost-sensitive theory multi-decision trees; 分类号 TD745 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名基于LSTM神经网络的煤矿突水预测被引量：36: 4; 作者董丽丽费城张翔曹超凡; 机构西安建筑科技大学信息与控制工程学院; 出处《煤田地质与勘探》 CAS CSCD 北大核心 2019年第2期137-143,共7页; 基金国家自然科学基金项目(61272458) 陕西省自然科学基金项目(2016JM6031) +1 种基金 201805033YD11CG17(2))~~; 文摘针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆(LSTM)神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法–反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。; 关键词长短时记忆特征选择煤层底板突水预测; Keywords long short-term memory feature selection prediction of water inrush from coal seam floor; 分类号 TD745 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	鲁棒性证据理论的煤层底板突水预测	李凤莲陈晓磊张雪英焦江丽李园园	《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心	2015	2	在线阅读下载PDF 职称材料
2	基于PSO＿SVM＿AdaBoost的煤层底板突水预测研究	温廷新于凤娥	《计算机应用研究》 CSCD 北大核心	2018	5	在线阅读下载PDF 职称材料
3	基于代价敏感理论的多决策树煤层底板突水预测模型	李彦民周晨阳李凤莲	《工矿自动化》北大核心	2020	4	在线阅读下载PDF 职称材料
4	基于LSTM神经网络的煤矿突水预测	董丽丽费城张翔曹超凡	《煤田地质与勘探》 CAS CSCD 北大核心	2019	36	在线阅读下载PDF 职称材料