10.13347/j.cnki.mkaq.2016.02.051
一种基于耦合算法的矿井风流温度预测新方法
针对矿井风流温度预测工作的复杂性及各个影响因素的模糊的非线性关系,传统预测方法难以构建预测模型,导致预测精度低的特点,提出一种基于RBF神经网络的矿井风流温度预测方法;并利用粒子群算法对RBF神经网络参数进行寻优,利用煤矿历史数据对预测模型进行仿真研究.结果表明,提出的基于改进粒子群算法的RBF神经网络模型(MPSO-RBF)具有收敛速度快,预测精度高的特点,为矿井风流温度预测领域提供理论支撑.
风流温度预测模型、粒子群、神经网络、预测精度、耦合算法
47
TD727+.2(矿山安全与劳动保护)
2016-03-18(万方平台首次上网日期,不代表论文的发表时间)
188-191