中国矿业大学青年科技基金(2007A033)
- 作品数：3 被引量：24H指数：3
- 相关作者：杨敏汪云甲李瑞霞程远平更多>>
- 相关机构：中国矿业大学江苏省资源环境信息工程重点实验室山西工程技术学院更多>>
- 发文基金：中国矿业大学青年科技基金国家自然科学基金高等学校全国优秀博士学位论文作者专项资金更多>>
- 相关领域：矿业工程天文地球更多>>
- 煤与瓦斯突出的粗神经网络预测模型研究被引量：5
- 2010年
- 将粗集方法作为BP神经网络的前端处理器,通过对煤与瓦斯系统属性特征的提取和影响因素的约简,较好解决了预测输入特征的"维数灾"问题,构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明,验证了该方法的有效性,模型学习速度更快、精确度更高,对提高瓦斯突出预测时效性有重大意义。
- 杨敏李瑞霞汪云甲
- 关键词：煤与瓦斯突出预测粗集粗神经网络属性约简
- 煤与瓦斯突出预测的改进差分进化神经网络模型研究被引量：14
- 2009年
- 鉴于常规煤与瓦斯突出BP预测模型的不足,将改进DE算法用于BP网络模型参数的优化及训练,提出结合两者优点的改进差分进化神经网络(IDEBP)煤与瓦斯突出预测模型.模型通过对变异模式、变异交叉因子自适应确定等改进,有效提高了标准DE的性能.实现了DE全局优化搜索与BP自适应、自学习的有机结合,稳健性得到加强,更能充分辨识煤与瓦斯突出样本的复杂非线性知识.以36组工程实例数据,进行了IDEBP和DEBP模型与BP模型仿真对比实验.结果表明:该模型能有效避免常规BP的不足,在收敛迅速、结果辨识和预测精度等方面均大为提高,为瓦斯智能预测提供了新的解决方案.
- 杨敏汪云甲程远平
- 关键词：煤与瓦斯突出差分进化神经网络
- 基于DEBP的GPS高程拟合被引量：6
- 2008年
- 针对误差反向传播(BP)算法训练速度慢和易于陷入局部最小值的缺点,利用差分进化算法(DE)的全局寻优性,结合DE和BP的各自优点,分析和建立进化神经网络(DEBP)模型,并将该模型应用于GPS高程拟合。最后以实例数据,进行BP,DE及DEBP模型的对比实验,结果表明,该模型有效克服了传统模型的不足,在收敛速度、预测精度及稳定性等方面均明显提高。
- 杨敏李瑞霞汪云甲
- 关键词：GPS高程拟合高程异常差分进化算法
