基于免疫神经网络模型的瓦斯浓度智能预测_中国煤炭行业知识服务平台

基于免疫神经网络模型的瓦斯浓度智能预测

作者

王其军程久龙
单位

淮南职业技术学院山东科技大学矿山灾害预防控制教育部重点实验室安徽淮南232001山东青岛266510
摘要

将免疫算法与神经网络理论相结合,提出免疫神经网络预测模型以预测采煤工作面瓦斯浓度,并对如何处理时间序列的数据模式问题进行研究.引入延迟单元,将原始输入样本转换为具有延迟特征的新样本,采用延迟算子的输出样本施加到网络预测模型,可以获得浓度时段变幅的信息,这对于提高网络对瓦斯扩散过程的拟合精度和预测精度十分有效.结合某矿井瓦斯预报实例,经过与现场实测值相比较,最大预测误差为6.86%,最小预测误差为2.36%,平均误差为4.61%,所建模型精度的拟合值与预测值都与实际数据吻合得较好,各测点的误差值均在许可的范围内.结果表明,基于免疫神经网络的瓦斯浓度预测模型,能够较好地识别采煤工作面瓦斯扩散的演进规律,对瓦斯浓度能进行合理预报,且该方法具有预报时间快、节省费用的特点.
关键词

免疫神经网络瓦斯浓度预测模型延迟单元矿井工作环境
基金项目(Foundation)

国家自然科学基金资助项目(50534080)；教育部新世纪优秀人才支持计划资助项目(NCET-05-0602)；安徽省教育厅自然科学基金资助项目(2006KJ019B)；