煤气透性的预测模型基于改进的DBO优化BP神经网络
Wei Wang1,2, Xinchao Cui2, Yun Qi1,2,3
1College of Mechanical Engineering and Automation, Liaoning University of Technology, Jinzhou 121001, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
一个新的改进的虫算法-BP神经网络 (IDBO-BPNN) 模型准确地预测煤气的透性,通过优化关键参数和提高预测准确度来提高安全性.
科学领域:
- 地质科学和环境工程
- 计算智能和机器学习
背景情况:
- 精确的煤气透性测量对于防止煤矿安全事故至关重要.
- 现有的预测模型经常在准确性和过度拟合方面扎,需要改进的方法.
研究的目的:
- 开发和验证一个先进的煤体气透性预测模型.
- 为了提高煤气透性评估的预测准确性和可靠性.
主要方法:
- 提出了改进的泥甲虫算法-BP神经网络 (IDBO-BPNN) 模型.
- 集成的Sine混乱映射, Osprey优化和自适应的T分布,用于增强的DBO算法.
- 利用核心主要组件分析 (KPCA) 来提取特征和减少影响因素 (有效应力,气体压力,温度,压力强度) 的维度.
主要成果:
- 与PSO-BPNN,PSO-LSSVM,PSO-SVM,MPA-BPNN,WOA-SVM,BES-SVM和DPO-BPNN相比,IDBO-BPNN模型显示出更高的预测准确度. 这是一个非常好的模型.
- KPCA有效地提高了模型预测的准确性.
- 与山西煤矿数据的验证证实了模型的可靠性和稳定性,预测与实际值非常接近.
结论:
- IDBO-BPNN模型为预测煤气透性提供了强大而准确的解决方案.
- 这种模型非常适合学术研究和煤矿安全管理的实际应用.


