10.13347/j.cnki.mkaq.2021.05.038
基于逆向传播神经网络的工作面顶板矿压数据预测
为了将人工智能技术中的逆向传播神经网络应用于顶板矿压数据预测,以11个影响工作面顶板矿压数据预测的主要因素作为输入参数,以4个工作面顶板矿压参数为输出参数,确定隐含层层数为1层,隐含层神经单元个数为24个,并在此基础上建立了基于逆向传播神经网络的工作面顶板矿压数据预测模型.利用王家岭及周边煤矿具有代表性的工作面顶板矿压数据建立学习样本,以王家岭煤矿12309工作面实测矿压数据为验证样本,对预测模型精度进行了检验.经分析,利用逆向传播神经网络模型得到的初次来压步距、初次来压强度、周期来压步距、周期来压强度预测值与实测值相对误差分别为0.043343653、0.006077606、0.006401138、0.020236088,即矿压数据预测总体上相对误差小于5%,符合工程应用允许的误差范围,说明所建立的逆向传播神经网络模型具有较高的准确性和可靠性.
逆向传播神经网络;矿压;数据预测;来压强度;来压步距
52
TD323(矿山压力与支护)
2021-06-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
216-220