欢迎来到天天文库
浏览记录
ID:35157076
大小:5.06 MB
页数:61页
时间:2019-03-20
《改进蚁群算法在瓦斯涌出量预测中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、參么帝工程巧衣义学硕±学位论支改a蚁群篡法在1;觀編出量预歷虫啟庶S1.邸奈ThgApplka巧onG马E邱is;;s;〇nPre片ictionP年sed9岛{巧pfoyg过怎巧J.APy巧化巧作者姓名華跨指导教师i单畢锋|j举擇学科专业理控呀工程,轻制举与二〇—二月四年十关于论文使用授权的说明本学位论文作者及指导教师完全了解巧宁工程巧术大学有关保留、^—苗使用学位论文的规定,同意迁宁工程巧术大学保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,学校可从将学位论文的全部或
2、部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存、汇编本学位论文。保密的学位论文在解密后应遵守此协议学位论文作者签名:An导师签名;年月日年月日分类号TP1的学校代码10147UDC004-.8密级公开硕±学位论文改迸蚁群算法在瓦斯涌出量预测中的应用研究TheApplicationofGasEmissionPredic村onBasedonImprovedAntColonyAlgorithm作者姓名韋茜i指导教师单畢缉Jj替巷申请学位X笔码古学科专业
3、璋勒畢璋与璋娜X琴_____________研究方向每聲玲卿'与停每咎驾迂宁工程技术大学致谢本文从开题到截稿的整个过程中,都是在我的导师单亚锋副教授和付华教授的悉也指导下完成的。两年多的研究生学习中,单老师和付老师求真的治学态度和务实的工作精神使我深深感动,论文修改中,两位老师都在百忙之中对我的论文进行了多次审巧,提出了许多宝贵的修改建议。在我论文成稿的时候,谨向我的丢师单亚锋副教授和悉也辅导我的付华教授致W最崇高的敬意和衷也的感谢!""此外还要感谢国家自然科学基金项目煤矿瓦斯强合决策与预测控制理论研究(No.50874059)对本论文的
4、资助。真诚地感谢在我读研期间所有的教导过我的授课老师,您们的嘗语教诲将会伴随我一生。感谢303实验室和口级电气与控制工程学院的同学们,他们在学习、生活和工作中给我提供了很大帮助;同时向所有关也、鼓励我成长成熟的所有师长和亲友表示诚擊地感谢。感谢我的父母在我读研期间对我的支持和帮助,没有他们在背后的默默付出,我不可能顺利完成学业!,他们的爱我会永远铭记在也在本文的写作过程中参考了许多专家学者的著作和文献资料,在此对相关作者表示由!衷的感谢!最后,感谢在百忙之中评阅论文的校内外专家和参加答辩的各位老师摘要煤矿事故的频发极大威胁着煤矿的安全生产,其中的瓦斯灾
5、害是煤矿生产中面临的首要难题。缺乏准确预测瓦斯涌出量的方式为防治煤矿瓦斯事故提出了很大的扰战。而矿井的通味设升的合理性也和瓦斯涌出量的准确预测密切相关,也成为煤矿技术经济指标的重要考量。瓦斯涌出量间的因素通常会表现为动态、模糊的非线性动力变化,导致传统线性方法建模的精度很难满足实际生产需求。,并本文在总结过往关于预测瓦斯涌化量的方法后,对基本蚁群算法进行研究并改进试图将改进蚁群算法应用到瓦斯涌出量预测中,文中利用神经网络作为预测媒介,进而搭建起改进蚁群算法优化的小波神经网络的系统预测模型。论文首先分析出传统小波神经网络存在收敛精度低,易陷入局部极值的缺艳,引入
6、蚁群算法进行改进。然后论文分析蚁群算法基本原理和各重要参数,针对算法易陷入局部收敛的问题,优化蚁群寻优的最大最小范围,平滑处理信息素轨迹,弓I入惩罚因子和扰动因子,该算法求解旅行商问题取得良好。效果。最后将改进蚁群算法与小波神经网络结合建模,参照历史数据仿真结果表明文中的模型比传统算法搭建的模型有更快的收敛速度。,更高的收敛精度,更好的鲁棒性改进蚁群算法通过小波神经网络这样的预测工具所搭建的模型在预测中的体现出其优越性,证明本文改进的蚁群算法未来可W在瓦斯涌出量的预测中起到重要作用,其应用研究也有着更光明的前景。关键词:瓦斯涌出量;动态系统预测;改进蚁群算
7、法;小波神经网络--IAbstractIncreasinglyoccurrenceofcoalmineaccidentreatlthreattothesaferoductionofgypcoalminewheretheasdisasterwastherimarro村emfacedbycoalroduct.ion,gpyppShortaeo
此文档下载收益归作者所有