核k均值RBFNN的煤与瓦斯突出预测研究

• 作 者: 贺振武 陈立潮 郭勇义 秦勇
• 机 构: 太原科技大学计算机科学与技术学院,太原科技大学环境工程学院
• 出 处: 计算机与数字工程
• 发表日期: 2011年7期
• 关键词: 径向基神经网络 聚类分析 煤与瓦斯突出 RBFNNclustering analysiscoal and gas outburst .

针对BPNN模型在煤与瓦斯突出预测中存在收敛慢、误差较大等问题，建立了RBFNN模型对煤与瓦斯突出进行预测。采用对样本具有普适性的核k均值聚类算法来确定RBF的中心、梯度下降自适应算法优化网络宽度参数和递推最小二乘法算法调整网络权值。并用国内煤矿的煤与瓦斯突出实测数据对该混合算法及模型进行了验证。实验结果表明，本研究的方法在预测精度和收敛速度上均优于BPNN和基于经典k均值聚类算法的RBFNN，具有良好的实用性和有效性。