基于分数阶神经网络的瓦斯涌出量预测.pdf

《基于分数阶神经网络的瓦斯涌出量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年第32卷第5期传感器与微系统(TransducerandMicrosystemTechnologies)31基于分数阶神经网络的瓦斯涌出量预测付华，王福娇，陈子春(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．开滦集团煤业公司机电部。河北开滦063018)摘要：针对现有的煤与瓦斯涌出危险性区域预测模型存在收敛速度慢、极易陷入局部极值等问题，结合BP的局部搜索能力和分数阶算法快速的全局搜索能力，提出了一种基于分数阶神经网络的新预测模型，用于非线性瓦斯涌出量的动态预测。经训练和实验结果表明：该模型较其他模型具有更好的滤波效果、更强的抗干扰能力、更快的收敛速度

2、、更高的收敛精度等特点，能够达到准确指导实践的要求。关键词：分数阶神经网络；瓦斯涌出量；预测中图分类号：TD713文献标识码：A文章编号：1000-9787(2013)05_o031--04PredictionofgasemissionquantitybasedonfractionalorderneuralnetworkFUHua，WANGFu-jiao，CHENZi—chun(1．CollegeofElectricalandControlEngineering，LiaoningTechnicalUniversity，Huludao125105，China；2．Departmentof

3、ElectricalandMechanicalServices，KailuanCoalIndustryGroupCompany，Kailuan063018。China)Abstract：AnewpredictingmodelbasedonfractionalneuralnetworkcombiningglobalsearchabilityofBPwithfastlocalsearchabilityoffractionalorderalgorithmispresentedtodynamicallypredictnonlineargasemissionquantity，aimingatpr

4、esentcoalmineproblemssuchasslowconvergencespeeding，easilytrappedintolocalminima，etc．Bothoftrainingandtheexperimentalresultsshowthatthismodelhasbetterfilteringeffect，strongeranti—interferenceability，fasterconvergencerateandhigherpredictionaccuracythantheothermodels，whichcanmeetrequirementsforexac

5、tguidancetopractice．Keywords：fractionalorder；neuralnetwork；gasemissionquantity；prediction0引言型中的权值进行优化；遗传神经网络，将具有全局搜索煤与瓦斯涌出作为井下一种复杂的瓦斯动力现象，是能力的遗传算法和高度非线性映射的神经网络相结合，使开采深度、瓦斯压力、地质构造、瓦斯动力、地应力等因素综预测精度有所改善，但无法获得最优的网络结构，网络模型合作用的结果J。这些因素之间的非线性关系错综复杂，输入节点过多使计算复杂度增加；人工神经网络，利用人工神经网络对非线性的对象建模预测，但是存在收敛速度慢、所以

6、，对矿井瓦斯涌出量预测存在着较大的困难。近年来，易陷入局部极小等缺点。为了解决这些算法的不足，本文许多学者提出了各种预测方法，如小波神经网络，它利充分利用瓦斯涌出量的高度随机、无规则性以及分数阶算用小波变换的时频局部化性质和神经网络的自学习能力，法快速的全局搜索能力和神经网络的局部搜索能力，弥补了BP网络在收敛速度和实时性的不足，但网络本身提出了一种瓦斯涌出量预测的新方法一基于分数阶神经的参数较多，且不容易确定；灰色神经网络，它利用灰色网络的绝对瓦斯涌出量预测。理论GM(1，1)，预测精度高、所需样本少、计算简便和神经1分数阶神经网络与模型网络拟合能力强的特点，但当选取的历史数据多少不

7、同时，1．1分数阶傅里叶变换预测值有时会相差较大；模糊神经网络，将模糊成分引分数阶傅立叶变换(FRFr)基本定义式入神经网络，提高原网络的可解释性与灵活性，但模糊神经一+∞[，()]=I，()(，u)dx，(1)网络需有一定数量的先验样本，且很难借助方程对预测模收稿日期：2013-01-06基金项目：国家自然科学基金资助项目(51274118)；辽宁省科技攻关基金资助项目(2011229011)32传感器与微系统第32卷式中(，“)为分数阶傅里