基于CIPSO-ENN耦合算法的瓦斯涌出量預(yù)測.pdf_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、針對瓦斯涌出量預(yù)測系統(tǒng)的時(shí)變性,非線性,復(fù)雜性,不確定性等特點(diǎn),提出了混沌免疫粒子群算法(CIPSO)與Elman神經(jīng)網(wǎng)絡(luò)的耦合算法(CIPSO-ENN),用于非線性動(dòng)態(tài)模型參數(shù)辨識及瓦斯涌出量預(yù)測控制。論文首先提出利用Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行瓦斯涌出量預(yù)測,經(jīng)過對Elman神經(jīng)網(wǎng)絡(luò)分析,對于該神經(jīng)網(wǎng)絡(luò)收斂速度慢,易于早熟的缺點(diǎn),提出利用粒子群算法對其進(jìn)行改進(jìn)。接下來分析了標(biāo)準(zhǔn)粒子群優(yōu)化算法(SPSO)運(yùn)行機(jī)理,針對SPSO在求解多峰、高

2、維、非線性優(yōu)化問題時(shí),容易陷入早熟和局部優(yōu)化的缺陷,論文引入了混沌理論和克隆選擇理論,對SPSO進(jìn)行改進(jìn),提出了混沌克隆粒子群算法(CIPSO)。該算法在粒子群種群進(jìn)化過程中,對粒子進(jìn)行克隆、混沌變異、選擇以提高其收斂速度、搜索精度、全局搜索能力。數(shù)值仿真實(shí)驗(yàn)表明,相對于SPSO,該算法的收斂速度和精度以及穩(wěn)定性都有明顯改善。之后,將CIPSO算法與Elman反饋神經(jīng)網(wǎng)絡(luò)融合,提出CIPSO-ENN耦合算法。該耦合算法利用CIPSO對E

3、lman網(wǎng)絡(luò)的權(quán)值與閾值進(jìn)行尋優(yōu),然后基于該耦合算法,采用預(yù)測智能控制思想,建立基于CIPSO-ENN耦合算法的瓦斯涌出量預(yù)測系統(tǒng)模型,并利用礦井實(shí)際監(jiān)測到的各項(xiàng)歷史數(shù)據(jù)進(jìn)行仿真,結(jié)果表明該模型和BP、Elman等神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比,其辨識收斂速度提高了8倍,辨識精度提高了接近2個(gè)數(shù)量級,預(yù)測精度提高了3倍,具有收斂速度快、收斂精度高、魯棒性強(qiáng)的特點(diǎn)。從數(shù)據(jù)本身出發(fā),利用CIPSO-ENN耦合算法建立預(yù)測控制模型,是一種很有效的方法,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論