基于免疫神经网络模型的瓦斯浓度智能预测

王其军¹，程久龙²

(1.淮南职业技术学院,安徽,淮南,232001;
2.山东科技大学矿山灾害预防控制教育部重点实验室,山东,青岛,266510)

摘要:将免疫算法与神经网络理论相结合,提出免疫神经网络预测模型以预测采煤工作面瓦斯浓度,并对如何处理时间序列的数据模式问题进行研究.引入延迟单元,将原始输入样本转换为具有延迟特征的新样本,采用延迟算子的输出样本施加到网络预测模型,可以获得浓度时段变幅的信息,这对于提高网络对瓦斯扩散过程的拟合精度和预测精度十分有效.结合某矿井瓦斯预报实例,经过与现场实测值相比较,最大预测误差为6.86%,最小预测误差为2.36%,平均误差为4.61%,所建模型精度的拟合值与预测值都与实际数据吻合得较好,各测点的误差值均在许可的范围内.结果表明,基于免疫神经网络的瓦斯浓度预测模型,能够较好地识别采煤工作面瓦斯扩散的演进规律,对瓦斯浓度能进行合理预报,且该方法具有预报时间快、节省费用的特点.

关键词:免疫神经网络; 瓦斯浓度; 预测模型; 延迟单元; 矿井工作环境;

【全文内容正在添加中】