测控技术先进算法与人工智能赵广元.PDF

测控技术 先进算法与人工智能 年第卷第期 粒子群算法优化 神经网络的粉尘浓度预测 赵广元 马 霏 西安邮电大学自动化学院陕西西安 摘要对综采工作面粉尘浓度预测的方法是建立神经网络预测模型 为了提高算法的拟合能力及 预测的准确度使用粒子群算法对目标函数进行改进即将粒子群算法寻到的最优权值和阈值应用于神 经网络预测模型求综采工作面粉尘浓度比较分析新的预测模型与常用的灰色模型以及标准的 神 经网络算法结果表明粒子群优化的神经网络算法的拟合能力和预测的准确率显著提高 关键词综采粉尘浓度预测神经网络粒子群算法拟合能力 中图分类号文献标识码文章编号 采掘综合机械化水平的快速提高带来的不仅是生 也是近几年的研究热点 预测粉尘浓度最常用的模型 产强度和循环进度的不断提高粉尘产量和危害程度 是灰色模型但这种模型是基于数理统计的方法建 也日益严重 十几年来各种程度的粉尘爆炸事件 立主观模型进行计算预测因不具有自适应和自学习 层出不穷导致严重呼吸病和肺病甚至致死的事件也 的能力而不能保障系统的鲁棒性 屡见不鲜 因此通过对综采工作面粉尘的生成因 研究表明无论地质条件好坏机械化程度高低 素进行研究预测煤矿采掘工作面的粉尘情况有助于 生产效率如何工作面机组截割煤体的落煤量与湿度 事先采取预防措施保障安全对于降低粉尘危害和避 风速 风量 截深 截速 采高和降尘率有密切关 免煤尘事故有着重大意义 系 截深一定时煤矿粉尘浓度通常被 个因素 准确的粉尘浓度预测是保障安全的前提和关键 的综合效果所影响因各种因素均取决于自然条件和