基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法

发明专利无效专利

申请号：
CN201010533413.8
IPC分类号：E21F17/18
申请日期：
2010-11-05
申请人：
中北大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法
申请号	CN201010533413.8	申请日期	2010-11-05
法律状态	权利终止	申报国家	中国
公开/公告日	2011-02-16	公开/公告号	CN101975092A
优先权	暂无	优先权号	暂无
主分类号	E21F17/18 ? IPC结构图谱： E 固定建筑物 E2 土层或岩石的钻进；采矿 E21 土层或岩石的钻进；采矿 E21F 矿井或隧道中或其自身的安全装置，运输、充填、救护、通风或排水〔２〕 E21F17/00 在其他地方没有涉及到的用于矿井或隧道的方法或装置（矿井照明入F21，H05B）〔2〕 E21F17/18 信号装置或警报装置的特殊应用（用于电梯、升降机或移动人行道的入B66B；瓦斯传感装置本身入G01N）	IPC分类号	E;2;1;F;1;7;/;1;8查看分类表>
申请人	中北大学	申请人地址	山西省太原市尖草坪区学院路3号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中北大学	当前权利人	中北大学
发明人	孟江;安坤
代理机构	暂无	代理人	暂无

摘要

本发明公开了一种基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法，该方法将矿井瓦斯浓度数据视为混沌时间序列以构建多个径向基函数(RBF)神经网络的预测子模型，对所有预测子模型同步预测结果的加权平均作为集成预测值，实现RBF神经网络集成的预测模型初始化；然后通过设定集成容量参数(也等于RBF网络预测步长)实现对瓦斯浓度短期到中期范围的预测；针对瓦斯浓度信息被持续采集的特点，可利用增量式训练模式获得新的预测子模型，再按照先入先出的队列顺序实现对RBF神经网络集成的更新，以提高瓦斯浓度的实时预测精度。这样，可以在预测范围和预测精度要求之间取得适当折衷，满足矿井瓦斯信息管理系统的技术要求。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供