首页 | 本学科首页   官方微博 | 高级检索  
     

基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测
引用本文:徐耀松,程业伟. 基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测[J]. 安全与环境学报, 2021, 21(4): 1427-1433. DOI: 10.13637/j.issn.1009-6094.2020.0421
作者姓名:徐耀松  程业伟
作者单位:辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105
摘    要:针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法.通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响.搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型.将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98%,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势.

关 键 词:安全工程  煤突出  瓦斯突出  稀疏核主成分分析  NEAT算法

Prediction and forecast of the SKPCA with NEAT coal and gas outburst risks
XU Yao-song,CHENG Ye-wei. Prediction and forecast of the SKPCA with NEAT coal and gas outburst risks[J]. Journal of Safety and Environment, 2021, 21(4): 1427-1433. DOI: 10.13637/j.issn.1009-6094.2020.0421
Authors:XU Yao-song  CHENG Ye-wei
Abstract:
Keywords:
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号