山西煤炭2022，Vol.42Issue(2) ：8-14.DOI:10.3969/j.issn.1672-5050.2022.02.002

基于Elman神经网络的导水裂隙带高度预测模型

Prediction Model for the Height of Water Flowing Fractured Zones Based on Elman Neural Network

赵德星
山西煤炭2022，Vol.42Issue(2) ：8-14.DOI:10.3969/j.issn.1672-5050.2022.02.002
✕
  • 维普
  • 万方数据

基于Elman神经网络的导水裂隙带高度预测模型

Prediction Model for the Height of Water Flowing Fractured Zones Based on Elman Neural Network

赵德星1
扫码查看

作者信息

  • 1. 太原理工大学水利科学与工程学院,太原030024
  • 折叠

摘要

准确预测导水裂隙带高度对于矿区煤炭资源安全开采具有重要意义.本文提出一种基于Elman神经网络的导水裂隙带高度预测模型,该方法克服了BP神经网络训练速度慢,稳定性差等问题,通过在结构层中增加一层承接层,作为一步延时算子,达到记忆的目的,增加了全局的稳定性;本文选择开采深度、开采厚度、覆岩结构、工作面斜长、煤层倾角作为影响导水裂隙带高度的主要因素,通过采用43组训练样本和3个测试样本数据建立了基于Elman神经网络的导水裂隙带高度预测模型,并与BP神经网络算法进行了对比.结果表明:BP神经网络与Elman神经网络的最大相对误差分别为16.35％和7.49％,Elman神经网络的预测精度更高.

关键词

导水裂隙带/影响因素/Elman神经网络/BP神经网络/预测模型

引用本文复制引用

基金项目

国家级大学生创新创业训练计划(202110112055)

出版年

2022
山西煤炭
太原理工大学 山西省煤炭学会

山西煤炭

影响因子：0.138
ISSN：1672-5050
被引量3
参考文献量17
段落导航相关论文