期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型
1
作者
高科
吕航宇
+1 位作者
戚志鹏
刘玉姣
《矿业安全与环保》
CAS
北大核心
2024年第1期7-13,共7页
根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因...
根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。
展开更多
关键词
矿井通风
巷道通风摩擦阻力系数
预测模型
PCA-BP神经网络
主成分分析
影响因素
下载PDF
职称材料
题名
基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型
1
作者
高科
吕航宇
戚志鹏
刘玉姣
机构
辽宁工程技术大学安全科学与工程学院
矿山热动力灾害与防治教育部重点实验室
出处
《矿业安全与环保》
CAS
北大核心
2024年第1期7-13,共7页
基金
国家自然科学基金青年基金项目(52104194)。
文摘
根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。
关键词
矿井通风
巷道通风摩擦阻力系数
预测模型
PCA-BP神经网络
主成分分析
影响因素
Keywords
mine ventilation
roadway ventilation frictional resistance coefficient
prediction model
PCA-BP neural network
principle component analysis
influencing factors
分类号
TD72 [矿业工程—矿井通风与安全]
X936.1 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型
高科
吕航宇
戚志鹏
刘玉姣
《矿业安全与环保》
CAS
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部