《基于SOM-RBF算法的瓦斯涌出量动态预测模型研究》PDF+DOC
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
《基于数据融合的煤矿瓦斯涌出量预测系统设计》PDF+DOC2010年第06期 胡江为,李敬兆,刘璐,杭俊
《多传感器信息融合技术及其应用》PDF+DOC1997年第01期 张晓明,孙宝元
《基于循环神经网络的多传感信息融合系统的应用》PDF+DOC2005年第24期 吴静,杨路明
《人工神经网络在航迹关联中的应用研究》PDF+DOC2005年第02期 田宝国,何友,杨日杰
《电容式水流泥沙含量传感器数据融合的研究》PDF+DOC2004年第04期 沈逸,李小昱,雷廷武,王为
《基于数据融合与神经网络的火灾探测研究》PDF+DOC2011年第05期 刘少刚,吕建伟,王士成
《基于人工神经网络的压力传感器三维数据融合》PDF+DOC2007年第02期 钱光耀,杨入超,赵光兴
《电子鼻判别小麦陈化年限的检测方法研究》PDF+DOC2007年第08期 庞林江,王俊,路兴花
《基于神经网络信息融合的智能机器人》PDF+DOC2006年第06期 李强,杨晓京,魏岚
《人工神经网络在多传感器信息融合中的应用研究》PDF+DOC2006年第07期 贾建华,王军峰,冯冬青
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。