简介概要

PSO-RBF神经网络在导水裂缝带高度预测中的应用

来源期刊:中国矿业2018年第5期

论文作者:刘国发 王玉振

文章页码:128 - 131

关键词:导水裂缝带高度;预测模型;PSO-RBF神经网络;

摘    要:水体下采煤留设保护煤柱时,导水裂缝带高度的选取直接关系着煤矿的安全开采问题。为提高导水裂缝带高度的求取精度,在综合分析导水裂缝带高度的主要影响因素的基础上,本文选取了6个主要影响因素作为输入层神经元,并将POS算法和径向基(RBF)神经网络有机结合,构建了基于PSORBF神经网络的导水裂缝带高度预测模型。经过25组实测数据的学习训练和检验,验证了预计模型的可靠性。结果表明:与实测结果相比,预计结果的相对差值最大为7.43%,最小为1.41%,满足沉陷工程的精度要求。

详情信息展示

PSO-RBF神经网络在导水裂缝带高度预测中的应用

刘国发,王玉振

河南水利与环境职业学院

摘 要:水体下采煤留设保护煤柱时,导水裂缝带高度的选取直接关系着煤矿的安全开采问题。为提高导水裂缝带高度的求取精度,在综合分析导水裂缝带高度的主要影响因素的基础上,本文选取了6个主要影响因素作为输入层神经元,并将POS算法和径向基(RBF)神经网络有机结合,构建了基于PSORBF神经网络的导水裂缝带高度预测模型。经过25组实测数据的学习训练和检验,验证了预计模型的可靠性。结果表明:与实测结果相比,预计结果的相对差值最大为7.43%,最小为1.41%,满足沉陷工程的精度要求。

关键词:导水裂缝带高度;预测模型;PSO-RBF神经网络;

<上一页 1 下一页 >

相关论文

  • 暂无!

相关知识点

  • 暂无!

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号