基于遗传算法自变量降维的神经网络煤矿瓦斯涌出量预测模型.pdf

《基于遗传算法自变量降维的神经网络煤矿瓦斯涌出量预测模型.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、总第175期doi：10．3969／j．issn．1005—2798．2014．03．010基于遗传算法自变量降维的神经网络煤矿瓦斯涌出量预测模型王江荣．王明(1．兰州石化职业技术学院信息处理与控制X-程系，甘肃兰州730060；2．兰州石化职业技术学院石油化学工程系，甘肃兰州730060)摘要：煤矿瓦斯涌出量与其影响因素之间存在着高度的非线性关系，因输入自变量(即影响因素)较多，用神经网络建模容易出现过拟合现象，导致所建模型精度低、建模时间长。针对这些问题，提出用遗传算法对自变量进行压缩降维处理，实例仿真表明用降维后

2、的数据建模提高了模型的预测精度，缩短了建模时间，且优于其他建模方法。关键词：瓦斯涌出量；遗传算法；神经网络；降维中图分类号：TD712．5文献标识码：B文章编号：1005—2798(2014)03．0028—05采煤工作面瓦斯涌出量是采掘通风设计及瓦斯1．1设计思路防治措施制定的主要依据。研究采煤工作面瓦斯涌利用遗传算法对自变量进行优化筛选时，将编出量的预测方法，并提高其预测精度，一直是煤矿瓦码长度设计为14．染色体的每一位对应一个输入自斯防治领域的热门课题_1]。变量，每一位的基因值是“1”或“0”两种情况，如果工作

3、面瓦斯涌出量与其影响因素之间存在着高染色体某一位值为“1”．则该位对应的输入自变量度的非线性性。建立瓦斯涌出量预测数学模型常用参与最终的建模：反之，则表示“0”对应的输入自变的方法是神经网络[1l3I4]。如果影响因素太少，则预量不作为最终建模的自变量。选取测试集数据均方测精度和网络适用性不够：如果输入自变量(即影误差的倒数作为遗传算法的适应度函数，经过不断响因素)很多，输入自变量之间不是相互独立时，利迭代进化，最终筛选出最具代表性的输入自变量参用神经网络建模容易出现过拟合现象，从而导致所与建模。建立的模型精度低、建模

4、时间长等问题。因此，在利1．2设计步骤用神经网络建模之前，有必要对输入自变量进行优按1．1设计技术线路图，如图1所示。化选择，将冗余的一些自变量去掉，选择最能反映输aPE型建立(J4+输入自变量)入与输出关系的自变量参与建模。基于此，本文用遗传算法对自变量进行优化筛选，同时为了避免初产生初始种群始权值和阈值的随机性对测试结果的影响，在计算个体适应度函数值时，均采用遗传算法对所建立的变异BP神经网络的初始权值和阈值进行优化，以优化后适应度函数计算工交叉的权值和阈值作为BP网络的初始权值和阈值。实二[选择例仿真表明，用遗传

5、算法对自变量进行压缩降维处满足终止条件?理，并以降维后的数据建模，其精度优于使用全部自＼／变量建模，也优于其他方法的建模且缩短了建模时lY间优化结果输出(筛选出的变量)1模型建立PB模型建立(筛选输入自变量)文献[4]给出了影响瓦斯涌出量的l4个因素图1设计步骤及相关数据，本文以此数据进行建模分析。收稿日期：201312—16基金项目：甘肃省财政厅专项资金立项资助(甘财教I2013]116号)作者简介：王江荣(1966一)，男，甘肃静宁人，硕士，教授，从事智能算法、数值计算和控制理论与应用方面的研究。282014年3月

6、王江荣等：基于遗传算法自变量降维的神经网络煤矿瓦斯涌出量预测模型第23卷第3期1．2．1单BP模型建立X)p丁为了比较遗传算法优化前后的预测效果。先利用全部14个输入自变量建立BP模型。3)采用模拟轮盘赌操作，产生(0，1)之间的1．2．2初始种群产生随机数来确定各个个体被选中的次数。显然，适应随机产生Ⅳ(这里取N=30)个初始串结构数度大的个体被选择的概率大，且能被多次选中．保证据，每个串结构数据即为一个个体(染色体)，Ⅳ个了最好的个体尽可能地保留到下一代群体中。适应个体构成了一个种群。遗传算法以这Ⅳ个串结构度值小的

7、个体也有机会被选中，这样有利于保持群作为初始点开始迭代，串结构上的数据只有“1”和体的多样性。“0”两种取值。1．2．5交叉操作1．2．3适应度函数计算对于输入自变量的压缩降维．交叉操作采用最选取测试集数据误差平方和的倒数作为适应度简单的单点交叉算子，具体操作过程为：函数[：1)先对种群中的个体进行两两随机配对，这1里的初始种群大小为30，故有15对相互配对的个)=—～(1)(；—t)体组：i=12)对每一对相互配对的个体．随机选取某一式中：；(1，2，⋯，n)为测试集的预测值；t(基因座之后的位置作为交叉点；=1，2

8、，⋯，n)为测试集的真实值；n为测试集的样本3)对每一对相互配对的个体，根据2)中所确数目。定的交叉点位置，相互交换两个个体的部分染色体，为了避免初始权值和阈值的随机性对测试结果产生出两个新个体。的影响，在计算个体适应度函数值时，均采用遗传算对于BP神经网络初始权值和阈值的优化，交法对所建立的BP神经网络的初始权值和阈值进行叉操作