万方数据
基于PSO-BPNN的煤自燃危险性预测模型
Prediction model of coal spontaneous combustion risk based on PSO-BPNN
汪伟 1梁然 2祁云 1贾宝山 3武泽伟2
作者信息
- 1. 山西大同大学煤炭工程学院,山西大同037000;辽宁工程技术大学安全科学与工程学院,辽宁阜新123000
- 2. 山西大同大学煤炭工程学院,山西大同037000
- 3. 辽宁工程技术大学安全科学与工程学院,辽宁阜新123000;矿山热动力灾害与防治教育部重点实验室(辽宁工程技术大学),辽宁葫芦岛125000
- 折叠
摘要
为提高采空区遗煤自燃危险性预测的准确性,采用粒子群优化算法(PSO)改进反向传播神经网络(BPNN)的连接权重和阈值,构建一种将PSO算法与BPNN相耦合的煤自燃预测模型(PSO-BPNN模型),并从不同方面对比分析PSO-BPNN模型与BPNN模型和支持向量回归机(SVR)模型的预测结果.研究表明:优化后的平均相对误差、平均绝对误差和均方根误差相较于BPNN模型分别降低了 9.35％、0.170 7和0.205 6,判定系数增大了 0.116 9;比SVR模型分别降低了 5.41％、0.115 2和0.171 5,判定系数增大了 0.089 1.证明PSO-BPNN模型具有更高的预测精准性.
关键词
煤自燃/粒子群优化算法(PSO)/反向传播神经网络(BPNN)/支持向量回归机(SVR)/预测模型/采空区Key words
coal spontaneous combustion/particle swarm optimization(PSO)/back propagation neural network(BPNN)/support vector regression(SVR)/prediction model/goaf引用本文复制引用
基金项目
山西省基础研究计划(自由探索类)青年项目(202203021222300)
山西省高等学校科技创新计划(2022L449)
山西省高等学校科技创新计划(2022L448)
国家重点研发计划(2018YFC0807900)
山西大同大学博士科研启动项目(2020-B-08)
山西大同大学博士科研启动项目(2020-B-18)
出版年
2023