暂无评论
针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建BP神经网络,选取CH4/CO、O2/CO2这2组指标气体浓度比作为网络的输入以降低通风条件的影响,经过训练后,判断检测点是否发火并以0或1的
为对井下落煤瓦斯涌出量进行预测,采用粗糙集与改进神经网络相结合的方法,在样本数据的筛选上吸取粗糙集数据约简的优点,使选择的数据样本简洁且更具代表性;充分利用BP神经网络的非线性拟合能力,将遗传算法与其
根据义马中部井田瓦斯地质规律,选取埋深、开采强度、开采顺序和煤层厚度作为自变量,瓦斯涌出量为目标量,构建自变量矩阵和参考序列,进行瓦斯涌出量影响因素灰色关联度分析;由于各瓦斯地质影响因素与瓦斯涌出量的
在分析影响煤矿瓦斯浓度的各种因素具有非线性特征的基础之上,采用BP算法构建煤矿瓦斯浓度预测模型,实现对各种因素进行非线性映射,进而达到对煤矿瓦斯浓度进行预测的目的。MATLAB仿真结果表明,该模型具有
矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。引入BP神经网络的拟牛顿(Newton)优化算法,在保留空间实体相关和多种分布并存的前提下,讨论了建立拟牛顿优化算法BP神经
基于MATLAB的BP神经网络预测系统的设计.pdf,关于BP神经网络的Matlab程序介绍
bp神经网络实例学习bp神经网络实例的很帮手
摘要:瓦斯含量预测取决于多因素、非线性的函数关系的建立,预测模型建立的准确与否决定于各 个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来,以神经 网络理论为基础,利用遗
主要介绍了python实现BP神经网络回归预测模型,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
这是我们最近研究学的论文 结合bp网络预测股票 学以致用的目的
暂无评论