構(gòu)造性神經(jīng)網(wǎng)絡(luò)在瓦斯時(shí)間序列預(yù)測(cè)中的應(yīng)用.pdf

1、近年來(lái)數(shù)據(jù)挖掘得到了快速的應(yīng)用，但是面臨海量、高維、不精確或動(dòng)態(tài)的瓦斯數(shù)據(jù)時(shí)，利用傳統(tǒng)的數(shù)據(jù)挖掘方法從數(shù)據(jù)中不能快速有效地獲取知識(shí)。而粒計(jì)算和構(gòu)造性神經(jīng)網(wǎng)絡(luò)在處理不完備、模糊、復(fù)雜、高維、海量數(shù)據(jù)時(shí)，有著自身獨(dú)有的特點(diǎn)及優(yōu)勢(shì)，將粒計(jì)算理論和構(gòu)造性神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法應(yīng)用到瓦斯數(shù)據(jù)挖掘中，本文主要在以下幾個(gè)方面做了相應(yīng)的工作：
　　 (1) 針對(duì)高維海量數(shù)據(jù)挖掘所面臨的問題，分析了粒計(jì)算的特點(diǎn)，綜述了粒計(jì)算在數(shù)據(jù)挖掘各個(gè)領(lǐng)域的應(yīng)用，包

2、括粒計(jì)算在廣義知識(shí)挖掘、分類、聚類、關(guān)聯(lián)規(guī)則與其它類型知識(shí)挖掘中的應(yīng)用，并總結(jié)了粒計(jì)算在數(shù)據(jù)挖掘方面應(yīng)用的優(yōu)勢(shì)。
　　 (2) 針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在解決大規(guī)模問題時(shí)有極大困難的缺點(diǎn)，分析構(gòu)造性神經(jīng)網(wǎng)絡(luò)在這方面的優(yōu)勢(shì)，重點(diǎn)討論常用覆蓋算法，針對(duì)常用覆蓋算法是所有訓(xùn)練樣本都是精確的，未考慮到所討論的數(shù)據(jù)具有不精確的情況，本文提出一種改進(jìn)的覆蓋算法，并將該覆蓋算法與時(shí)間序列結(jié)合，應(yīng)用到煤礦瓦斯預(yù)測(cè)中。
　　 (3)建立了瓦斯預(yù)測(cè)

3、模型，該模型在商空間粒度理論框架下，用構(gòu)造性神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法進(jìn)行瓦斯?jié)舛阮A(yù)測(cè)。采用商空間粒度計(jì)算理論，對(duì)問題進(jìn)行宏觀分析，研究不同粒度商空間之間的轉(zhuǎn)換、運(yùn)動(dòng)、依存的關(guān)系，并對(duì)數(shù)據(jù)庫(kù)中的原始特征信息進(jìn)行粒度構(gòu)建，采用多種粒度，從不同的層次分析復(fù)雜的瓦斯數(shù)據(jù)信息使得學(xué)習(xí)樣本的特征更加明顯，以更好地滿足機(jī)器學(xué)習(xí)的要求。構(gòu)造性神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法則可以從微觀上對(duì)具有不同粒度結(jié)構(gòu)的商空間進(jìn)行數(shù)據(jù)挖掘。最后將該方法應(yīng)用于瓦斯?jié)舛阮A(yù)測(cè)，取得了較好的結(jié)果。