基于多粒子群优化的RBF神经网络瓦斯涌出量模型研究

神经网络RBF径向基函数MATLAB程序

很好的学习和参考代码和文档可以从原理的角度分析在有代码实现

随着煤矿瓦斯防治工作的逐步深入和瓦斯治理措施的逐步规范,煤矿瓦斯事故呈稳定下降趋势,但在煤矿生产事故统计中,瓦斯事故却还一直占据较大的比例,因此需深入掌握矿井工作面风流中的瓦斯分布,通过优化通风方案、

文章首先构建和训练以煤层埋藏深度、煤层厚度、煤层瓦斯含量、工作面煤层与邻近煤层距离、工作面推进距离、工作面产量等为输入变量,回采工作面绝对瓦斯涌出量为输出变量的BP神经网络模型。然后采用Monte C

Comparisons between two models of neural networks, this journal is suitable to be used in research f

多媒体同步是分布式多媒体应用的关键技术，解决流内、流间及用户交互同步的矛盾，细化同步粒度，提高同步精度，是学术界一直努力探索但至今尚未解决的问题。提出的双层多媒体动态同步模型构建方法，基于“自然同步点

本文主要叙述了一种新的粒子群优化算法,利用岛屿群体解决电力系统无功优化问题。

为对回采工作面瓦斯涌出量进行准确的预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS(Statistical Product and Service S

针对建筑物地基沉降的机理以及RBF(RadialBasisFunction,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该

本文提供基于梯度下降的RBF神经网络的MATLAB代码，并内附Exel数据集，其中8000组数据为训练集，剩余数据为测试集。该神经网络采用有监督学习方式，包括梯度下降优化中心向量C、宽度D、权值W等。