您的位置: 专家智库 > >

訾海

作品数:5 被引量:34H指数:3
供职机构:辽宁工程技术大学电气与控制工程学院更多>>
发文基金:辽宁省科技厅科技攻关项目国家自然科学基金辽宁省教育厅基金更多>>
相关领域:自动化与计算机技术矿业工程更多>>

文献类型

  • 4篇期刊文章
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 1篇矿业工程

主题

  • 5篇瓦斯
  • 3篇涌出
  • 3篇涌出量
  • 3篇神经网
  • 3篇神经网络
  • 3篇瓦斯涌出
  • 3篇瓦斯涌出量
  • 3篇非线性
  • 2篇自适
  • 2篇自适应
  • 2篇自适应步长
  • 2篇线性系
  • 2篇非线性系统
  • 2篇步长
  • 2篇传感
  • 1篇动态反馈神经...
  • 1篇样本集
  • 1篇萤火虫
  • 1篇萤火虫算法
  • 1篇支持向量

机构

  • 5篇辽宁工程技术...
  • 1篇国网辽宁省电...

作者

  • 5篇訾海
  • 4篇付华
  • 2篇孙璐
  • 1篇孟祥云

传媒

  • 2篇传感技术学报
  • 1篇计算机工程
  • 1篇计算机应用

年份

  • 4篇2015
  • 1篇2014
5 条 记 录,以下是 1-5
排序方式:
一种EKF-WLS-SVR与混沌时间序列分析的瓦斯动态预测新方法被引量:10
2015年
针对瓦斯浓度时间序列高度的混沌特性,采用微熵率法同步确定最优的嵌入维数与延迟时间,还原瓦斯涌出系统状态空间。以无线传感网络系统采集并经降噪处理后的瓦斯浓度序列作为样本。提出利用带有整定因子的扩展卡尔曼滤波器(EKF)对加权最小二乘支持向量回归机(WLS-SVR)的正则化参数γ与核参数σ进行快速寻优,并依据周期性更新的训练样本建立基于EKF-WLS-SVR耦合算法的动态预测模型以精确预测后续时间点的瓦斯浓度。通过MATLAB进行仿真,结果表明:EKF滤波器对提高WLS-SVR的拟合精度与学习效率方面有很大的帮助。相比于其他模型,该耦合模型具备更高的预测精度与更强的鲁棒特性,有较高的实用价值。
付华訾海孟祥云孙璐
关键词:瓦斯浓度无线传感网络
基于ASGSO-ENN算法的瓦斯涌出量动态预测模型被引量:2
2015年
针对煤矿瓦斯涌出量的多影响因素预测问题,引入荧光因子以自适应调整搜索步长,用于改善基本萤火虫算法后期收敛速度慢及容易陷入局部最优的缺陷。将改进后的自适应步长萤火虫算法与Elman动态反馈神经网络相结合,用于辨识瓦斯涌出非线性系统。通过实时对网络的权值、阈值进行全局寻优,建立基于ASGSO-ENN耦合算法的绝对瓦斯涌出量预测模型。利用矿井监测到的各项历史数据进行实验,结果表明,该模型的预测均方根误差为0.103 4,平均相对变动值为0.000 387。相比于其他工程常用的预测模型,具备更高的预测精度与更强的泛化能力。
付华訾海
关键词:绝对瓦斯涌出量非线性系统ELMAN神经网络
基于小波包和RBF神经网络的瓦斯传感器故障诊断被引量:19
2015年
针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象,提出了一种基于减聚类(SCM)与粒子群(PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先,利用三层小波包分解得到各个节点的分解系数,采用一定的削减算法使故障的瞬态信号特征得到加强,获取最优的特征能量谱。再利用SCM-PSO算法优化RBF神经网络,使粒子的搜索速度更快,更有利于发现全局最优解。最后通过实验对比分析,该方法具有训练速度快、分类精度高的特点,辨识正确率在95%以上,能够显著提高故障诊断的速度和准确性。
单亚峰孙璐付华訾海
关键词:瓦斯传感器RBF神经网络故障诊断
基于ASGSO-ENN算法的瓦斯涌出量动态预测研究
矿井瓦斯涌出量系统是一个具有多参量、高度非线性、时变性、随机性的复杂系统,传统的线性方法无法建立满足工程精确要求的可靠预测模型。因此,提出一种将Elman动态反馈神经网络(ENN,Elman Neural Network...
訾海
关键词:瓦斯涌出量动态反馈神经网络非线性系统
文献传递
最小二乘支持向量机与Kalman滤波耦合的瓦斯涌出量动态预测模型被引量:3
2015年
针对瓦斯涌出量的多影响因素预测问题,提出一种最小二乘支持向量机(LS-SVM)回归算法与卡尔曼滤波耦合的动态预测方法。该方法依据预测残差方差比检验策略确定自适应的动态训练样本集以取代固定的训练样本集。LS-SVM辨识网络对瓦斯涌出量的相关因素进行非线性映射并提取出最佳维数的状态向量以建立基于卡尔曼滤波最优估计的瓦斯涌出量预测模型。利用矿井监测到的各项历史数据进行实验。结果表明,该模型的预测平均相对误差为2.17%,平均相对变动值ARV为0.008 873,相比单一的神经网络或支持向量机预测模型,具有更高的预测精度与更强的泛化能力。
付华訾海
关键词:非线性最小二乘支持向量机卡尔曼滤波瓦斯涌出量
共1页<1>
聚类工具0