基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究

所需积分/C币:40 2020-05-30 02:53:32 735KB PDF
收藏 收藏
举报

针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ-CPSO-BP煤体瓦斯渗透率预测方法。从宏观上确定临界值将煤层埋深划分为2层;基于有效应力与瓦斯渗透率之间存在拐点关系,从微观上确定拐点值将有效应力划分为2段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化;基于样本案例对本文构建

...展开详情
试读 7P 基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38502428 你的留言是对我莫大的支持
2020-05-30
  • 分享王者

    成功上传51个资源即可获取
关注 私信 TA的资源
上传资源赚积分,得勋章
最新推荐
基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究 40积分/C币 立即下载
1/7
基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究第1页
基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究第2页

试读结束, 可继续读1页

40积分/C币 立即下载 >