小波包神经网络预测方法在瓦斯涌出量中的应用

彭晓华; 刘利强

Chinese

您当前的位置：

首页 >

文章列表页 >

小波包神经网络预测方法在瓦斯涌出量中的应用

更新时间：2026-09-04

- 小波包神经网络预测方法在瓦斯涌出量中的应用
- Wavelet Packet Neural Network Prediction Method Applied in the Gas Emission
- 微电子学与计算机 2016年33卷第3期页码：130-134
- 作者机构：
  
  1. 辽宁工程技术大学机构基础教学部,辽宁,葫芦岛,125105
  2. 辽宁工程技术大学电气与控制工程学院,辽宁,葫芦岛,125105
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 51274118辽宁省教育厅基金 L2012119
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
彭晓华, 刘利强. 小波包神经网络预测方法在瓦斯涌出量中的应用[J]. 微电子学与计算机, 2016, 33(3): 130-134.

PENG Xiao-hua, LIU Li-qiang. Wavelet Packet Neural Network Prediction Method Applied in the Gas Emission[J]. 2016, 33(3): 130-134.
彭晓华, 刘利强. 小波包神经网络预测方法在瓦斯涌出量中的应用[J]. 微电子学与计算机, 2016, 33(3): 130-134. DOI：

PENG Xiao-hua, LIU Li-qiang. Wavelet Packet Neural Network Prediction Method Applied in the Gas Emission[J]. 2016, 33(3): 130-134. DOI：

摘要

针对煤矿井下回采工作面瓦斯积聚和瓦斯超限等严重问题

将小波包神经网络模型引入煤矿瓦斯涌出量预测中.首先由改进小波包变化对采集数据进行分解、重构并提取特征向量

然后输入到基于动态节点生成算法的RBF神经网络模型中训练学习

同时采用删除策略简化该模型

最后通过时频联合仿真验证.结果表明

WP-RBF模型在预测精度及训练误差方面明显优于QPSO-RBF模型

是一种非常适合煤矿瓦斯量预测的有效方法.

Abstract

According to serious problems such as gas accumulation and gas concentration exceeding limits on the working face underground coal mines

Introducing wavelet packet and neural network model in prediction of mine gas emission. First

The collected data decomposition

reconstruction and extracted feature vectors by wavelet packet transform

Then input to generation algorithm based on dynamic node RBF neural network model training and learning

While using the simplified model delete policy. Finally

By joint time-frequency simulation

The results show that WP-IRBF model is far superior to QPSO-RBF model in prediction accuracy and training error and is a very suitable for effective method for prediction of coal mine gas quantity.

关键词

Keywords

references

Yu-Min PAN, Yong-Hong DENG, Quan-Zhu Zhang. Dynamic prediction of gas emission based on wavelet neural network toolbox[J]. Journal of Coal Science and Engineering, 2013, 2(7): 10-14. DOI: 10

冷军发, 荆双喜, 陈东海, 等.基于小波包与同态滤波的低速重载齿轮箱故障诊断研究[J].煤炭学报, 2006, 31(5): 670-673. DOI: 670

赵鸿图, 刘云.改进粒子群算法的小波神经网络语音去噪[J].计算机测量与控制, 2013, 21(10): 2799-2807. DOI: 2799

李绍泉.近距离煤层群煤与瓦斯突出机理及预警研究[D].北京: 中国矿业大学, 2013.

Chih-Hao Chen, Rong-JuinShyu, Chih-Kao Ma. Rotating machinery diagnosis using wavelet packets-fractal technology and neural networks[J]. Journal of Mechanical Science and Technology, 2007, 21(7): 268-273. DOI: 268

汪家道, 孔宪梅, 陈大融.节点自删除神经网络及其在磨粒识别中的应用[J].清华大学学报, 1998, 38(4): 42-46. DOI: 42

胡广书.数字信号处理理论、算法与实现[M].北京:清华大学出版社, 2003.

徐涛, 王祁.基于小波包神经网络的传感器故障诊断方法[J].传感技术学报, 2006, 19(4): 1060-1064. DOI: 1060

郭伟, 张栋, 李巨韬, 等.改进型BP神经网络对电容称重传感器的非线性校正[J].传感技术学报, 2012, 25(10): 1354-1360. DOI: 1354

潘玉民, 邓永红, 张全柱, 等.基于QPSO-RBF的瓦斯涌出量预测模型[J].中国安全科学学报, 2012, 22(12): 29-34. DOI: 29

付华, 姜伟, 单欣欣.基于耦合算法的煤矿瓦斯涌出量预测模型研究[J].煤炭学报, 2012, 37(4): 654-658. DOI: 654

付华, 谢森, 徐耀松, 等.基于MPSO_WLS_SVM的矿井瓦斯涌出量预测模型研究[J].中国安全科学学报, 2013, 23(5): 56-60. DOI: 56

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区块链的AI生成内容溯源框架设计研究

面向处理器分支预测单元的Spectre攻击轻量化防御方法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

基于改进RT-DETR的航拍小目标检测算法

一种用于极低压boost系统的高效率电荷泵