没有合适的资源?快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测.pdf
基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
神经网络
深度学习
机器学习
数据建模
专业指导
0 下载量
60 浏览量
2021-09-26
09:30:34
上传
评论
收藏
1.25MB
PDF
举报
温馨提示
五一特惠:¥9.90
19.90
基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测.pdf
资源推荐
资源评论
基于神经网络的煤与瓦斯突出规模预测研究.pdf
浏览:152
基于神经网络的煤与瓦斯突出规模预测研究.pdf
基于模糊模式识别的煤与瓦斯突出区域预测
浏览:125
借助于成熟的模糊理论与技术可以较客观地实现突出预测中不精确信息与不精确关系的正确表达与处理,综合考虑突出影响因素,提出了煤与瓦斯突出区域预测的模糊模式识别新方法.首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类,建立不同程度的模糊模式.然后对待预测样本进行模糊模式识别,根据择近原则,哪一种模式与预测样本最接近,待预测样本即属于哪一种突出类型.此方法克服了模糊聚类单一分析方法的不确定性,实现了多
基于模糊综合评判的煤与瓦斯突出危险性预测
浏览:31
依据煤与瓦斯突出的相关理论及其影响因素建立了突出危险性评价指标体系,利用层次分析法确定了煤与瓦斯突出中各评价指标的权重,采用模糊综合评价的方法进行了突出危险性预测。通过对发耳煤矿的采煤工作面进行煤与瓦斯突出危险性的定量预测和等级划分,结果表明,应用层次分析-模糊综合评判方法预测是可行的,从而为安全监管提供了依据。
煤与瓦斯突出BP神经网络预测系统研究
浏览:115
煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。
基于神经网络的煤与瓦斯突出强度预测专家系统
浏览:99
针对煤与瓦斯突出影响因素多、难以建立数学模型进行预测的难题,选取平煤集团煤与瓦斯突出案例作为学习样本,利用神经网络自学习能力强的特点构建专家知识库,开发煤与瓦斯突出强度预测专家系统;以采集到的实时数据作为预测样本进行预测验证。结果表明:该系统有较好的预测能力,提高了煤与瓦斯突出强度预测的准确性和及时性。
基于KPCA-SVM的煤与瓦斯突出预测方法
浏览:59
提出了一种基于KPCA-SVM的煤与瓦斯突出预测方法。该方法首先通过KPCA方法对影响煤与瓦斯突出的相关指标进行特征提取,然后利用SVM方法对煤与瓦斯突出进行分类预测。实例结果表明,该方法对煤与瓦斯突出预测的准确率...
论文研究-基于KPCA和改进极限学习机的煤与瓦斯突出危险性判识.pdf
浏览:178
为实现煤与瓦斯突出危险性的准确、快速地动态预测,提出构建基于KPCA-BA-ELM的突出危险性耦合预测模型。根据煤与瓦斯突出综合作用机理,确定突出各影响因素参数;利用核主成分分析(KPCA)对样本数据进行预处理,...
基于小波去噪-KPCA神经网络的光伏功率预测方法.pdf
浏览:20
基于小波去噪-KPCA神经网络的光伏功率预测方法.pdf
基于KPCA和BP神经网络的短期负荷预测.pdf
浏览:2
基于KPCA和BP神经网络的短期负荷预测.pdf
模糊聚类分析在煤与瓦斯突出预测中的应用
浏览:108
随着采掘深度的加大和采掘速度的不断提高,越来越多的煤层在开采过程中发生动力现象,发生了严重的煤与瓦斯突出。但是导致煤与瓦斯突出的各因素具有模糊性,日常工作中很难清晰地判断工作面有无突出危险性。为了有效地防治突出,在实践中采用了许多方法,但是各种方法都不能准确地对煤层突出危险程度进行预测和预报。研究表明,模糊聚类分析应用模糊数学原理能够综合考虑多个不确定的、模糊的因素,然后对这些因素进行分类,将具有
基于粗糙集与神经网络的煤与瓦斯突出预测方法.pdf
浏览:18
基于粗糙集与神经网络的煤与瓦斯突出预测方法.pdf
基于BP神经网络煤与瓦斯突出强度预测模型
浏览:152
在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。
基于灰关联分析和神经网络的煤与瓦斯突出预测二 (2009年)
浏览:175
应用灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序;选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型;用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证。结果证明该系统能较准确地预测煤矿的瓦斯突出情况。
基于BP神经网络的煤与瓦斯突出危险性的预测研究
浏览:13
应用BP神经网络的理论和方法,结合贵州某矿山的实际情况,建立了基于BP神经网络的煤与瓦斯突出危险性预测的数学模型,通过数学软件matlab 7.0对煤层的突出危险程度进行了预测。结果显示,煤与瓦斯突出危险性的预测与实际情况相符,表明采用BP神经网络模型进行预测是可行的,为煤与瓦斯突出的预测提供了一种精度较高的方法。
论文研究-基于KPCA-LSSVM的健康档案空腹血糖水平预测研究.pdf
浏览:3
LSSVM、KPCA-LSSVM这3种模型进行比较,结果表明KPCA-LSSVM准确性比LSSVM、PCA-LSSVM大幅提高,ROC曲线的积分面积也接近于1,说明KPCA-LSSVM能够运用于空腹血糖的预测,也为医疗数据挖掘提供一种新的参考办法。
基于KPCA与径向基神经网络的滚动轴承故障诊断.pdf
浏览:8
基于KPCA与径向基神经网络的滚动轴承故障诊断.pdf
基于KPCA-Fisher判别分析的煤炭自燃预测研究
浏览:91
为了提高煤炭自燃危险性预测精度,提出了基于KPCA-Fisher判别分析的煤炭自燃预测模型。利用核主成分分析法(KPCA)对相关程度较高的特征指标进行非线性特征提取,将提取出的主成分作为Fisher判别模型的判别因子。选取...
KPCA和NS-LDA相结合的人脸识别研究.pdf
浏览:153
KPCA和NS-LDA相结合的人脸识别研究.pdf
基于KPCA-SOM网络的列控RBC系统故障诊断方法.pdf
浏览:166
基于KPCA-SOM网络的列控RBC系统故障诊断方法.pdf
基于BP神经网络的煤与瓦斯突出预测研究.pdf
浏览:6
基于BP神经网络的煤与瓦斯突出预测研究.pdf
基于BP神经网络的改进煤与瓦斯突出预测算法。
浏览:48
煤与瓦斯突出是复杂的地质灾害之一,其预测受多种因素的影响,例如瓦斯,地应力,物理和力学性质以及复杂的非线性系统,导致预测精度低。 使用非线性BP神经网络进行预测算法设计是一种有利的方案。 但是,传统的BP神经网络算法存在收敛速度慢,容易陷入局部最小值等缺陷。 为了弥补缺陷,有效提高煤与瓦斯突出的预测精度,提出了一种改进的煤与瓦斯突出的BP神经网络预测算法。 采用附加动量来调整网络权重,加快网络收敛
基于改进BP神经网络的煤与瓦斯突出预测系统
浏览:119
针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。
基于模糊数学法的煤与瓦斯突出危险性预测
浏览:56
本文利用模糊数学的方法,结合突出机理普遍接受的综合假说,选取潞安集团李村煤矿3#煤层影响突出的敏感指标,构建三角形隶属度函数,采用层次分析法确定敏感因素的权重系数,建立权重集,得出危险评估,计算评价结果。结果表明,李村煤矿3#煤层无煤与瓦斯突出危险性,验证该方法可为矿井防突提供依据。
基于因子分析与BP神经网络的煤与瓦斯突出预测.pdf
浏览:18
基于因子分析与BP神经网络的煤与瓦斯突出预测.pdf
深基坑开挖中KPCA结合BP神经网络的基坑变形预测.pdf
浏览:8
深基坑开挖中KPCA结合BP神经网络的基坑变形预测.pdf
KPCA-ISSA-LSSVM分类预测,基于核主成分分析和改进的麻雀搜索算法优化最小二乘支持向量机故障诊断分类预测,MATLAB
浏览:47
5星 · 资源好评率100%
KPCA-ISSA-LSSVM分类预测,基于核主成分分析和改进的麻雀搜索算法优化最小二乘支持向量机故障诊断分类预测,MATLAB代码(含LSSVM、SSA-LSSVM、ISSA-LSSVM、KPCA-ISSA-LSSVM四个模型的对比,目标函数使用5折交叉验证...
KPCA-ISSA-SVM分类预测,基于核主成分分析和改进的麻雀搜索算法优化支持向量机故障诊断分类预测,MATLAB代码(含SV
浏览:4
KPCA-ISSA-SVM分类预测,基于核主成分分析和改进的麻雀搜索算法优化支持向量机故障诊断分类预测,MATLAB代码(含SVM、SSA-SVM、ISSA-SVM、KPCA-ISSA-SVM四个模型的对比,目标函数使用5折交叉验证确定最佳参数)。...
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究.docx
浏览:36
基于KPCA与IHHO-LSSVM的电力变压器故障诊断方法研究.docx
基于KPCA初始化卷积神经网络的方法.pdf
浏览:47
基于KPCA初始化卷积神经网络的方法.pdf
评论
收藏
内容反馈
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
五一特惠:¥9.90
19.90
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
数据资源
粉丝: 113
资源:
23万+
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
使用Python在莺尾花数据集上实现了决策树算法,文件里有数据集.zip
python实现的决策树,无剪枝,基于信息增益划分.zip
1714042398259307_download
多种智能优化算法来优化CNN-BiLSTM-AM混合时间序列预测模型
89225640855584vector ctrl.apk
new_fille.zip
vue3+ts+vite+element plus生成mpm包
TransUnet复现,完整代码(附实现说明)
一款开源的上班摸鱼神器
MOTOTRBO DepotTool 14
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功