基于CIGOA-ENN耦合算法的瓦斯涌出量預測研究.pdf

1、　　煤礦瓦斯災害是制約礦井安全生產(chǎn)的主要自然災害之一,嚴重影響著工人的生命及財產(chǎn)安全,因此認識瓦斯災害發(fā)生的規(guī)律和特征、實現(xiàn)瓦斯涌出量的準確預測是防治瓦斯災害的有效手段,對加強煤礦安全生產(chǎn)有著重要意義。
　　由于煤礦瓦斯系統(tǒng)是一個復雜的、時變的非線性動態(tài)系統(tǒng),因此利用傳統(tǒng)的線性預測方法建立的預測模型很難滿足工程實際的需要?；诖?本文提出一種新的智能優(yōu)化算法：混沌免疫遺傳優(yōu)化算法(Chaotic Immune Genetic O

2、ptimization Algorithm, CIGOA),利用其與Elman神經(jīng)網(wǎng)絡(Elman Neural Network, ENN)有機融合,建立基于CIGOA-ENN耦合算法的非線性動態(tài)系統(tǒng)辨識模型,用于瓦斯涌出量的預測,為瓦斯災害的防治提供決策服務。
　　論文首先對Elman神經(jīng)網(wǎng)絡的性能進行了分析,介紹了其優(yōu)缺點,對于該神經(jīng)網(wǎng)絡收斂速度慢、易早熟的問題,提出利用遺傳算法對其進行改進。接下來分析了遺傳算法(Genet

3、ic Algorithm, GA)的運行機理,針對GA在求解多峰、高維、非線性優(yōu)化問題時,容易早熟收斂的缺陷,論文引入人工免疫思想和混沌優(yōu)化思想,對GA進行改進,提出了混沌免疫遺傳優(yōu)化算法。該算法在種群進化過程中,對個體進行克隆擴增、自適應交叉、混沌變異、免疫選擇,以改善算法的全局搜索能力,提高其搜索精度。然后,將CIGOA與Elman神經(jīng)網(wǎng)絡融合,利用CIGOA對Elman神經(jīng)網(wǎng)絡的權(quán)值與閾值進行尋優(yōu),建立基于CIGOA-ENN耦合算