基于小波神经网络的瓦斯涌出量预测
赵可可
中煤科工集团 常州研究院有限公司,江苏 常州 213016
Gas Emission Quantity Prediction Based on Wavelet Neural Network
ZHAO Ke-ke
CCTEG Changzhou Research Institute Corporation Ltd., Changzhou 213016, China
摘要 为了更准确地预测矿井瓦斯涌出量,提出了采用一类小波神经网络对井下瓦斯涌出量进行预测技术,小波神经网络为紧致型结构,小波采用Daubechies小波。为了提高小波神经网络的泛化能力,将遗传算法应用到小波神经网络的权值学习中。仿真试验表明,提出的基于小波神经网络预测模型与传统的BP神经网络的预测模型相比,其预测值更为准确。
关键词 :
小波神经网络 ,
瓦斯涌出量 ,
预测 ,
遗传算法
Abstract :In order to predict mine gas emission quantity, the wavelet neural network to predict mine gas emission technology was put forward, the structure of wavelet neural network is compact, daubechies wavelet was adopted. In order to improve the generalization ability of the wavelet neural network, genetic algorithm was adopted to weights of wavelet neural network learning. Simulation test showed that predicted value based on the wavelet neural network prediction model was more accurate than the traditional BP neural network prediction model.
Key words :
wavelet neural network
gas emission
prediction
genetic algorithm
作者简介 : 赵可可(1984—),男,江苏沛县人,工程师。E-mail:zkhm99@163.com
[ 1 ] 宋如顺. 基于小波神经网络的多属性决策方法[ J ]. 计算机工程与应用,2000(10 ):46 - 48.
[ 2 ] 宋如顺. 基于小波神经网络的多属性决策方法及应用[ J ]. 控制与决策,2000,15(6 ):765 - 768.
[ 3 ] 高协平,张 钹. 区间小波神经网络(I )一理论与实现[ J ]. 软件学报,1998,9(3 ):217 - 221.
[ 4 ] 许志芳. 基于Intranet的瓦斯实时监测信息集成系统研究[ D ]. 徐州:中国矿业大学,2001.
[ 5 ] 高 莉,于洪珍. 基于多传感器信息融合的瓦斯涌出量预测[ C ]//中国人工智能年会第10届全国学术年会论文集,北京:北京邮电大学,2003:574 - 577.
[ 6 ] J.L.Cheng,Ch.Ch.Cheng, “Prediction and identification using wavelet-based recurrent fuzzy neural networks,” IEEE Transactions on Systems, Man and Cybernetics, Vol34, American,Oct 2004,pp.2 144 - 2 154.
[ 7 ] 黄凤岗,孙文彦,王 莹. 一种自适应的小波神经网络[ J ].电子学报,1998,26(8 ):143 - 145.
[ 8 ] 陈 哲,冯天瑾. 小波神经网络研究进展及展望[ J ]. 青岛海洋大学学报,1999,29(4 ):663 - 668.
[ 9 ] 陈 哲,冯天瑾,陈 刚. 一种基于BP算法学习的小波神经网络[ J ]. 青岛海洋大学学报,2001,31(1 ):122 - 128.
[ 10 ] 邰能灵,侯志俭. 小波模糊神经网络在电力系统短期负荷预测中的应用[ J ].中国电机工程学报,2004,24(1 ):24 - 29.
[ 11 ] Delyon B,Juditsky A,Benveniste A, “Accurancy analysis for wavelet approximations,” IEEE Transactions on Neural Network.Vol 62,1996, American, pp.332 - 348.
[ 12 ] 丁宁新,沈雪勤. 基于能量密度的小波神经网络[ J ]. 计算机学报,1997,20(9 ):832 - 838.
[ 13 ] 陈湛匀. 现代决策分析概论[ M ]. 上海:上海科学技术出版社,1991.
[1]
王改明. 文家坡矿井4号煤层瓦斯赋存及涌出规律研究 [J]. 煤炭与化工, 2015, 38(8): 147-149.
[2]
周 杨. 基于数据瓦斯技术的煤与瓦斯突出危险性预测 [J]. 煤炭与化工, 2015, 38(7): 20-23,26.
[3]
彭 琳,赵振宇. 突出矿井非突出煤层深部突出危险性区域预测研究 [J]. 煤炭与化工, 2015, 38(10): 55-58.
[4]
严树勋. 模型预测控制在并网电能质量调节器中的应用研究 [J]. 煤炭与化工, 2015, 38(10): 76-79.
[5]
孙祥庆,朱令起,郭立稳. 赵各庄矿3137深部大倾角复杂地质条件下放顶煤开采研究 [J]. 煤炭与化工, 2015, 38(10): 80-81,84.
[6]
郭晓朋. 深井孤岛工作面不同采动阶段冲击地压预测与防治 [J]. 煤炭与化工, 2015, 38(1): 32-36.
[7]
侯晓东,司树强,沈宏鹏. 基于自适应单指数平滑法的矿井防尘用水量预测 [J]. 煤炭与化工, 2015, 38(1): 61-64.
[8]
何 莉. 企业综合网络管理平台技术的研究与建设方案 [J]. 煤炭与化工, 2014, 37(9): 114-119.
[9]
李小永,刘立明. 神经网络系统预测采面来压研究 [J]. 煤炭与化工, 2014, 37(8): 37-40.
[10]
冼伟东. 三维地震数据动态解释技术在预测预报中的应用 [J]. 煤炭与化工, 2014, 37(8): 118-121.
[11]
贾云飞. 竖井揭煤瓦斯突出预测指标的优选 [J]. 煤炭与化工, 2014, 37(6): 14-16,19.
[12]
李永顺. 矿井采空区勘探及预测方法的探讨 [J]. 煤炭与化工, 2014, 37(4): 8-10.
[13]
杜 博,孙 凯,高林生. 瓦斯涌出量预测方法及实践应用 [J]. 煤炭与化工, 2014, 37(4): 28-30,34.
[14]
温新林. 改进的马尔科夫模型在人力资源预测中的应用 [J]. 煤炭与化工, 2014, 37(11): 80-81,84.
[15]
章才光. 晋华宫矿井下物探跟踪技术的实践应用 [J]. 煤炭与化工, 2013, 36(8): 99-100,113.