期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
QGA-RFR模型在导水裂隙带高度预测中的应用
被引量：
10
1
作者
邵良杉
周玉
《中国安全科学学报》
CAS
CSCD
北大核心
2018年第3期19-24,共6页
为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法（RFR）筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法（QGA）优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测...
为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法（RFR）筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法（QGA）优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机（SVM）等模型预测结果对比。结果表明：QGA-RFR模型的最优参数组合为（5,350）,该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值（0.037 63）、均方根误差值（2.129）和最大相对误差值（0.055 06）,验证了QGA-RFR模型的拟合效果更优。
展开更多
关键词
导水裂隙带高度
随机森林回归算法(RFR)
量子遗传算法(
qga
)
qga
-RFR模型
支持向量机(SVM)
开采工作面
在线阅读
下载PDF
职称材料
K-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用
被引量：
2
2
作者
张新盈
《中国矿业》
北大核心
2018年第8期164-167,共4页
导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性。为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高...
导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性。为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高度预计模型。模型经过训练学习和检验,发现模型预计精度满足工程精度需求,且与PSO-RBF神经网络相比,精度更高、收敛速度更快。
展开更多
关键词
导水裂缝带高度
预测模型
RBF神经网络
K-MEANS
量子遗传
在线阅读
下载PDF
职称材料
题名
QGA-RFR模型在导水裂隙带高度预测中的应用
被引量：
10
1
作者
邵良杉
周玉
机构
辽宁工程技术大学系统工程研究所
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2018年第3期19-24,共6页
基金
国家自然科学基金资助(71371091,7177111)
辽宁省社会规划项目(L14BTJ004)
文摘
为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法（RFR）筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法（QGA）优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机（SVM）等模型预测结果对比。结果表明：QGA-RFR模型的最优参数组合为（5,350）,该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值（0.037 63）、均方根误差值（2.129）和最大相对误差值（0.055 06）,验证了QGA-RFR模型的拟合效果更优。
关键词
导水裂隙带高度
随机森林回归算法(RFR)
量子遗传算法(
qga
)
qga
-RFR模型
支持向量机(SVM)
开采工作面
Keywords
height of water flowing fractured zone quantum genetic algorithm（qga）
mining face
random forest regression
algorithm（
RFR）
qga
-RFR model
support vector machine（SVM）
分类号
X936 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
K-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用
被引量：
2
2
作者
张新盈
机构
河南水利与环境职业学院
出处
《中国矿业》
北大核心
2018年第8期164-167,共4页
基金
河南省教育厅规划项目资助(编号:ZJB17226)
文摘
导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性。为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高度预计模型。模型经过训练学习和检验,发现模型预计精度满足工程精度需求,且与PSO-RBF神经网络相比,精度更高、收敛速度更快。
关键词
导水裂缝带高度
预测模型
RBF神经网络
K-MEANS
量子遗传
Keywords
water
conducted
fractured
zone
height
；prediction model；radial basis function （RBF） neural network；K-means；
quantum
genetic
algorithm
（qga
）
分类号
TD325 [矿业工程—矿井建设]
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
QGA-RFR模型在导水裂隙带高度预测中的应用
邵良杉
周玉
《中国安全科学学报》
CAS
CSCD
北大核心
2018
10
在线阅读
下载PDF
职称材料
2
K-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用
张新盈
《中国矿业》
北大核心
2018
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
