基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型

• Published in: 矿业安全与环保 Vol. 51; no. 1; pp. 7 - 13
• Main Authors: 高科, 吕航宇, 戚志鹏, 刘玉姣
• Format: Journal Article
• Language: Chinese
• Published: 矿山热动力灾害与防治教育部重点实验室,辽宁 葫芦岛 125105%辽宁工程技术大学 安全科学与工程学院,辽宁 葫芦岛 125105 01.02.2024; 辽宁工程技术大学 安全科学与工程学院,辽宁 葫芦岛 125105
• Subjects: influencing factors; 主成分分析; prediction model; PCA-BP神经网络; principle component analysis; 巷道通风摩擦阻力系数; 影响因素; mine ventilation; 预测模型; PCA-BP neural network; roadway ventilation frictional resistance coefficient; 矿井通风
• ISSN: 1008-4495
• DOI: 10.19835/j.issn.1008-4495.20230693

TD72%X936.1; 根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP 神经网络预测模型.采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7 个因素进行降维.将降维后因素的贡献率进行排序筛选,得到 3 个主成分指标(F1、F2 和F3),作为BP神经网络输入层的神经元.利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP 神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.942 0%、93.023 5%,而PCA-BP预测模型的平均精度达到了96.432 5%.PCA-BP 神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法.