-
题名基于L-M神经网络的高温矿井进风井筒风温预测方法
- 1
-
-
作者
韦家正
覃晓
-
机构
广西交通职业技术学院人工智能学院
广西民族大学物理与电子信息学院
-
出处
《中国矿业》
北大核心
2025年第9期209-215,共7页
-
基金
2019年广西高校中青年教师科研基础能力提升项目资助(编号:2019KY1346)
2021年度广西高校中青年教师科研基础能力提升项目资助(编号:2021KY1125)
2022年度广西高校中青年教师科研基础能力提升项目资助(编号:2022KY1130)。
-
文摘
高温矿井进风井筒风温受多种因素共同影响,这些因素间存在复杂且动态的非线性关系,导致风温预测模型需具备实时更新和适应新数据源及条件的能力。然而,这种动态性变化增加了模型学习训练的难度,进而影响了预测结果的准确性。为解决这一问题,提出基于L-M神经网络的高温矿井进风井筒风温预测方法。采用DEMATEL方法对这些复杂且动态的影响因素进行筛选和确定,以确保所选指标能够准确反映矿井环境对风温的影响。基于筛选出的输入指标,构建井筒风温预测模型。为进一步提升模型的学习与拟合能力,应用L-M算法对神经网络进行优化。实验结果显示,该预测方法的最大预测误差不超过2℃,拟合系数稳定在0.95左右,充分证明了该方法在高温矿井进风井筒风温预测中的准确性和可靠性。与其他传统预测方法相比,该方法不仅显著提高了预测精度,还为矿井通风管理提供了更为可靠和科学的决策依据。因此,基于L-M神经网络的高温矿井进风井筒风温预测方法为实现精确的风温预测提供了一种有效且实用的手段。
-
关键词
L-M算法
神经网络
输入指标
进风井筒
风温预测
-
Keywords
L-M algorithm
neural network
input indicator
air intake shaft
air temperature prediction
-
分类号
TD725
[矿业工程—矿井通风与安全]
-
-
题名梁北矿进风井筒风温变化规律研究
被引量：3
- 2
-
-
作者
魏平儒
李治民
-
机构
河南理工大学
-
出处
《矿业安全与环保》
北大核心
2007年第6期10-12,共3页
-
文摘
矿井进风井筒风流温度变化规律的研究是井下其他工作场所风温变化规律研究的基础。将实测数据的数理统计回归法和差分法相结合,研究了梁北矿进风井筒风流温度的变化规律。分析验证表明,这是研究进风井筒风流温度变化规律的一种新的实用方法。
-
关键词
进风井筒
风温变化
回归法
差分法
-
分类号
TD727.1
[矿业工程—矿井通风与安全]
-
