基于改进粒子群BP神经网络的矿井突水水源判别下载

weixin_39821526 2020-10-02 04:00:36

选取K++Na+、Ca2+、Mg2+、Cl-、HCO3-、SO42-6种离子作为判别指标,提出基于Tent混沌映射的自适应混沌粒子群算法（ACPSO）,使自适应混沌粒子群算法快速、高效地对BP神经网络完成最优初始化,并将建立的ACPSO-BP神经网络突水水源判别模型进行实例应用。
相关下载链接：//download.csdn.net/download/weixin_38616120/12519668?utm_source=bbsseo

...全文

15 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

选取K++Na+、Ca2+、Mg2+、Cl-、HCO3-、SO42-6种离子作为判别指标,提出基于Tent混沌映射的自适应混沌粒子群算法（ACPSO）,使自适应混沌粒子群算法快速、高效地对BP神经网络完成最优初始化,并将建立的ACPSO-BP神经网络突水水源判别模型进行实例应用。

提出了一种采用改进的SOM神经网络对矿井突水水源进行判别的方法。该方法把水质中的Na+、K+、Ca2+、Mg2+、Cl-、SO24-和HCO-3等7种离子的含量作为判断因素,结合改进的SOM神经网络模型,对20个水源样品进行分类。实验结果表明,该方法的误判率为0,能够准确地判别矿井突水水源。

针对矿井突水水源的水化学特征,采用Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-6种水化离子的浓度作为识别矿井水源依据;以35组水源样品作为训练样本,运用Matlab软件对网络进行训练,建立6×6×4的网络优化模型;使用构建的BP神经网络对4组待测样本进行识别,并与实际突水水源类别进行比对。应用结果表明:BP神经网络能够准确地识别矿井突水水源,可为防治矿井水害提供有力的保障。

对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67%,训练样本的选择和数量对预测结果影响较大.

改进的GA-BP神经网络在矿井突水水源判别中的应用.pdf

下载资源悬赏专区

12,798

社区成员

12,336,164

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章