- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于遗传算法优化BP神经网络的瓦斯浓度预测研究.pdf
Vol42No2 矿业安全与环保 第42卷 第2期
Apr2015 MININGSAFETY&ENVIRONMENTALPROTECTION 2015年4月
刘奕君,赵强,郝文利.基于遗传算法优化BP神经网络的瓦斯浓度预测研究[J]矿业安全与环保,2015,42(2):56-60.
文章编号:1008-4495(2015)02-0056-05
基于遗传算法优化BP神经网络的瓦斯浓度预测研究
1,2 1,2 3
刘奕君 ,赵 强 ,郝文利
(1.徐州医学院 医学信息学院,江苏徐州221000;2.徐州医学院现代教育技术中心,江苏徐州221000;
3.徐州矿务集团有限公司夹河煤矿,江苏徐州221000)
摘要:为了提高瓦斯浓度预测的精度和稳定性,提出了将遗传算法(GA)与BP神经网络结合的预测
方法。利用BP神经网络能以任意精度逼近非线性函数的优点,结合遗传算法的全局搜索能力,优化神
经网络权值和阈值,建立GA—BP混合算法模型预测瓦斯浓度。实验结果表明,GA—BP算法与BP神
经网络相比,具有较高的预测精度和较强的稳定性。
关键词:瓦斯浓度;BP神经网络;遗传算法;预测
中图分类号:TD712 文献标志码:A 网络出版时间:2015-04-0900:41
网络出版地址:http://www.cnki.net/kcms/detail/50.1062.TD0041.012.html
StudyofGasConcentrationPredictionBasedonGenetic
AlgorithmandOptimizingBPNeuralNetwork
1,2 1,2 3
LIUYijun ,ZHAOQiang ,HAOWenli
(1.SchoolofMedicalInformation,XuzhouMedicalCollege,Xuzhou221000,China;
2.ModernEducationalTechnologyCenter,XuzhouMedicalCollege,Xuzhou221000,China;
3.JiaheMineofXuzhouCoalMiningGroupCo.,Ltd.,Xuzhou221000,China)
Abstract:Inordertoimprovetheaccuracyandstabilityofthegasconcentrationprediction,apredictionmethodofcombining
geneticalgorithm(GA)andBPneuralnetworkwasproposed.ByusingtheadvantageofBPneuralnetworkwhichcanapproach
thenonlinearfunctionwithanyaccuracy,combiningwiththeoverallsearchabilityofthegeneticalgorithmandoptimizingthe
neuralnetworkweightsandthresholds,aGA-BPhybridalgorithmmodelforgasconcentrationpredictionwasestablished.The
experimentalresultsshowthatGA-BPalgorithmhashigherpredictionaccuracyandstrongerstabilityascomparedwiththeBP
neuralnetwork.
Keywords:gasconcentration;BPneuralnetwork;ge
文档评论(0)