基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

doi:10.11772/j.issn.1001-9081.2014.11.3348

计算机应用 ›› 2014, Vol. 34 ›› Issue (11): 3348-3352.DOI: 10.11772/j.issn.1001-9081.2014.11.3348

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

王雨虹¹,付华¹,侯福营¹,张洋²

1. 辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105
2. 辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105

收稿日期:2014-05-22 修回日期:2014-07-11 发布日期:2014-12-01 出版日期:2014-11-01
通讯作者: 王雨虹
作者简介:
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;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。
基金资助:
国家自然科学基金资助项目;辽宁省科技攻关项目

Gas emission prediction model of working face based on chaos immune particle swarm optimizations and generalized regression neural network

WANG Yuhong¹,FU Hua¹,HOU Fujian¹,ZHANG Yang²

1. School of Electrical and Control Engineering, Liaoning Technical University, Huludao Liaoning 125105,China;
2. School of Electronic and Information Engineering, Liaoning Technical University, Huludao Liaoning 125105, China

Received:2014-05-22 Revised:2014-07-11 Online:2014-12-01 Published:2014-11-01
Contact: WANG Yuhong

摘要/Abstract

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。

Abstract:

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.

中图分类号:

TP183

王雨虹付华侯福营张洋. 基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型[J]. 计算机应用, 2014, 34(11): 3348-3352.

WANG Yuhong FU Hua HOU Fujian ZHANG Yang. Gas emission prediction model of working face based on chaos immune particle swarm optimizations and generalized regression neural network[J]. Journal of Computer Applications, 2014, 34(11): 3348-3352.

参考文献

[1]FUA H, SHAO L. Mine gas disaster features mining and the fusion prediction[M]. Beijing: Science Press,2011.(付华,邵良杉.煤矿瓦斯灾害特征挖掘与融合预测[M].北京:科学出版社,2011).
[2]HE L, SHI S, SONG Y, et al. Complexity and measurement of complex degree of gas gush heading faces of coal mine[J]. Journal of China Coal Society, 2008,33(5):547-550.(何利文,施式亮,宋译,等.回采工作面瓦斯涌出的复杂性及其度量[J].煤炭学报,2008,33(5):547-550.)
[3]PAN Y, DENG Y, ZHANG Q, et al. Gas emission prediction model based on QPSO-RBF[J]. China Safety Science Journal, 2012, 22(12): 29-34.(潘玉民,邓永红,张全柱,等. 基于QPSO-RBF的瓦斯涌出量预测模型[J].中国安全科学学报,2012,22(12):29-34).
[4]FU H, XIE S, XU Y, et al. Study on MPSO-WLS-SVM-based mine gas emission prediction model[J].China Safety Science Journal,2013,23(5):56-61.(付华,谢森,徐耀松,等.基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究[J].中国安全科学学报,2013,23(5):56-61.)
[5]FU H, JIANG W, SHAN X. Study on coupling algorithm on coal mine gas emission forecast model[J]. Journal of China Coal Society,2012,37(4):654-658.(付华,姜伟,单欣欣.基于耦合算法的煤矿瓦斯涌出量预测模型研究[J].煤炭学报,2012,37(4):654-658.)
[6]XIAO P, LI S, SONG Y, et al. Prediction and grey-model building for gas emission in coal mines[J]. Journal of Mining and Safety Engineering, 2009,26(3):317-321.(肖鹏,李树刚,宋莹,等.瓦斯涌出量的灰色建模及其预测[J].采矿与安全工程学报,2009,26(3):317-321.)
[7]JIA Y, LU Q, SHANG Y. Rockburst prediction using particle swarm optimization algorithm and general regression neural network[J]. Chinese Journal of Rock Mechanics and Engineering, 2013,32(2):343-348.(贾义鹏,吕庆,尚岳.基于粒子群算法和广义回归神经网络的岩爆预测[J].岩土力学与工程学报,2013,32(2):343-348.)
[8]SU Y, SHEN J, ZHANG D, et al. Application of networks and improved PSO algorithms to earthquake prediction[J]. Journal of Computer Applications, 2011,31(7):1793-1796.(苏义鑫,沈俊,张丹红,等.神经网络和改进粒子群算法在地震预测中的应用[J].计算机应用,2011,31(7):1793-1796.)
[9]FU H, QIAO D, CHI J. CIPSO-ENN coupling algorithm for nonlinear dynamic system 〖HJ1.8mm〗parameter identification[J]. Journal of Xi'an Jiaotong University,2011,45(2):49-53.(付华,乔德浩,池继辉.一种非线性系统参数辨识的耦合算法研究[J].西安交通大学学报,2011,45(2):49-53.)
[10]LIU J, GAO Y. Chaos particle swam optimization algorithm [J]. Journal of Computer Applications,2008,28(2):322-325.(刘军民,高岳林.混沌粒子群优化算法[J].计算机应用,2008,28(2):322-325.)
[11]SHI S, SONG Y, HE L, et al. Research on determination of chaotic characteristics of gas gush based on time series in excavation working face of coal mine[J]. Journal of China Coal Society, 2006,31(6):701-705.(施式亮,宋译,何利文,等.矿井掘进工作面瓦斯涌出量混沌特性判别研究[J].煤炭学报,2006,31(6):701-705.)
[12]ZHU H, CHANG W, ZHANG B. Different-source gas emission prediction model of working face based on BP artificial neural network and its application[J]. Journal of China Coal Society, 2007,32(5):504-508.(朱红青,常文杰,张彬.回采工作面瓦斯涌出BP神经网络分源预测模型及应用[J].煤炭学报,2007,32(5):504-508.)
[13]SUN L, YANG S. Prediction for gas emission quantity of the working face based on LS-SVM[J]. Journal of China Coal Society,2008,33(12):1377-1380.(孙林,杨世元.基于LS-SVM的回采工作面瓦斯涌出量预测[J].煤炭学报,2008,33(12):1377-1380.)

[1]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[2]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	胡能兵, 蔡彪, 李旭, 曹旦华. 基于图池化对比学习的图分类方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3327-3334.
[7]	林滏, 石稼晟, 高泽, 楚遵康, 马琼敏, 余海燕, 饶卫雄. 基于3D几何特征深度表达学习的物理系统仿真[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3548-3555.
[8]	范艺扬, 张洋, 曾尚, 曾渝, 付茂栗. 基于分解和频域特征提取的多变量长时间序列预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3442-3448.
[9]	刘文博, 于连飞, 谢冬梅, 蔡闯, 曲志坚, 任崇广. 基于多尺度特征融合的时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3435-3441.
[10]	王芳胡静张睿范文婷. 内容引导下多角度特征融合医学图像分割网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	王翔陈志祥毛国君. 融合局部和全局相关性的多变量时间序列预测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	蒋汶娟, 过弋, 付娇娇. 融合图注意力的复杂时序知识图谱推理问答模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3047-3057.
[13]	黄华, 杨子仪, 李小龙, 李闯. 基于概念漂移的预测性业务流程监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3167-3176.
[14]	张睿, 潘俊铭, 白晓露, 胡静, 张荣国, 张鹏云. 面向深度分类模型超参数自优化的代理模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3021-3031.
[15]	陈满杨小军杨慧敏. 基于图卷积网络和终点诱导的行人轨迹预测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

Gas emission prediction model of working face based on chaos immune particle swarm optimizations and generalized regression neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics