作者:付华,刘汀,张胜强,赵东红,丁冠西 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2015年第08期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2015080260 DOC编号:DOCCGJS2015080269 下载格式:PDF + Word/doc 文字可复制、可编辑
  • 针对煤矿瓦斯涌出量的多影响因素预测问题,以多传感器的瓦斯监测系统采集处理后的数据作为样本,提出了一种自组织特征映射神经网络(Self-organizing Feature Maps,SOM)与多变量的径向基函数(Radial Basis Function,RBF)结合的组合人工神经网络的模型动态预测新方法。采用先聚类、再分类建模和预测的方法,解决了由于训练样本有限和训练样本点分散所导致的预测精度降低的问题,并通过矿井监测到的各项历史数据进行试验。结果表明,与其他预测模型相比较,该模型的预测精度更高,泛化能力更强。预测平均相对误差为2.16%,均相对变动值ARV为0.005 9,均方根误差RMSE为0.131 1,有效地实现了对煤矿绝对瓦斯涌出量的动态预测,有较高的实用价值。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。