首页> 中文期刊> 《矿业研究与开发》 >基于深度置信网络的矿井涌水量预测研究

基于深度置信网络的矿井涌水量预测研究

         

摘要

在矿井开采过程中,准确预测矿井涌水量对于矿井防治水及高效、安全生产具有重要意义。针对矿井涌水量影响因素复杂导致预测精度不高的问题,提出一种基于深度置信网络(DBN)间接预测矿井涌水量的方法。针对不同的盘区建立相应的DBN涌水量预测模型,对矿井各个盘区水仓提取涌水量数据,之后分别导入DBN预测模型进行预测,得到各个盘区的涌水量,进而得出矿井总体涌水量,同时将结果分别与BP、ELM神经网络以及DBN直接预测矿井涌水所得到的预测结果进行对比。试验结果表明,DBN间接预测的预测精度最高,其平均绝对百分误差仅有5.85%,运行时长也大幅缩短,说明DBN间接预测矿井涌水量模型具有更好的预测效果。研究结果为矿井涌水量的准确预测提供了一种新的方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号