摘要: 本发明属于地下煤炭开采安全生产技术领域,涉及一种导水裂隙带高度预测方法。该方法首先统计导水裂隙带高度的影响指标和高度数据,形成样本数据。然后,利用主成分分析法对样本数据进行降维,建立主成分模型并求取各样本的主成分值。接下来,将主成分值与导水裂隙带高度组成新的样本集。再利用小波神经网络算法模型对样本集进行训练和检验,建立导水裂隙带高度的小波神经网络预测模型。最后,根据建立的预测模型对矿井导水裂隙带高度进行预测。
该方法将主成分分析用于导水裂隙带高度影响指标的处理,既可以保证输入数据的精度,又可以大大加快神经网络的收敛速度,同时提高模型的预测精度。其设计原理可靠,预测方法简单,预测环境友好。
| 专利名称 | 一种导水裂隙带高度预测方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201410505095.2 |
| 申请号 | - | 专利申请日期 | 2014-09-28 |
| 专利授权日期 | 2014-12-10 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 施龙青;邱梅;韩进;滕超;牛超 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明属于地下煤炭开采安全生产技术领域,涉及一种导水裂隙带高度预测方法;先统计导水裂隙带高度的影响指标和高度数据,形成样本数据,然后利用主成分分析法对样本数据降维,建立主成分模型并求取各样本的主成分值,之后与导水裂隙带高度组成新的样本集,再利用小波神经网络算法模型对样本集进行训练和检验,建立导水裂隙带高度的小波神经网络预测模型,最后根据建立的预测模型对矿井导水裂隙带高度进行预测;其将主成分分析用于导水裂隙带高度影响指标的处理,既可以保证输入数据的精度,又可以大大加快神经网络的收敛速度,同时提高模型的预测精度,其设计原理可靠,预测方法简单,预测环境友好。 | ||