

已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著中國經濟的迅速發(fā)展,對能源的需求不斷增加,煤炭資源成為我國經濟和社會發(fā)展的一項非常重要的戰(zhàn)略資源。我國是主要煤炭生產國,同時也是主要煤炭消費國,煤炭生產行業(yè)的安全形勢卻非常嚴峻,盡管近年來總煤礦事故有下降趨勢,但重特大事故仍時有發(fā)生,煤礦安全狀況不理想,煤炭發(fā)展面臨著機遇與挑戰(zhàn)并存。雖然煤礦安全的問題早已引起各學者的重視,但對這方面的研究起步較晚,對煤礦安全風險的預測基礎薄弱,論文正是在這種背景下展開研究的。
本文以煤礦的
2、安全風險為研究對象,以事故致因理論和人-機-環(huán)系統(tǒng)分析理論為基礎,建立了煤礦安全風險預測指標體系。利用改進蟻群算法對RBF神經網絡參數進行優(yōu)化,以克服傳統(tǒng)RBF神經網絡收斂速度慢、易陷入局部極值、精度不高的缺點,改善了RBF神經網絡的泛化能力,使其具有輸出穩(wěn)定性良好、收斂速度快的特點。在此基礎上,建立了基于改進蟻群-RBF神經網絡的預測模型,并運用MATLAB軟件計算工具進行精確計算,使得煤礦安全風險的預測結果更加準確,為決策者提供更為
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于RBF神經網絡與蟻群算法的瓦斯預測模型研究.pdf
- 基于蟻群算法的RBF神經網絡優(yōu)化算法.pdf
- 基于改進RBF神經網絡算法的水質預測模型研究.pdf
- 基于改進蟻群優(yōu)化算法的神經網絡訓練的研究
- 基于改進BP神經網絡的煤礦安全評價研究.pdf
- 基于LM改進的RBF神經網絡算法研究.pdf
- 基于蟻群神經網絡的軟件老化趨勢預測.pdf
- 基于云理論的RBF神經網絡算法改進研究.pdf
- 基于改進蟻群算法的BP神經網絡優(yōu)化的研究與應用.pdf
- 基于人工神經網絡的煤礦安全評價研究.pdf
- 改進蟻群聚類算法優(yōu)化的RBF神經網絡控制研究及其應用.pdf
- 基于蟻群算法優(yōu)化的小波神經網絡流量預測模型研究.pdf
- 基于RBF神經網絡的瓦斯涌出量預測_永智群.pdf
- 基于改良蟻群算法的神經網絡分類規(guī)則提取.pdf
- 基于神經網絡的煤礦安全綜合評價模型研究.pdf
- 基于rbf神經網絡的負荷預測研究綜述
- 基于改進遺傳算法的RBF神經網絡的研究與應用.pdf
- 基于神經網絡及蟻群算法的WSN分簇路由算法研究.pdf
- 基于AAPSO算法和RBF神經網絡預測控制方法的研究.pdf
- 基于蟻群算法優(yōu)化神經網絡的包頭地區(qū)中長期電力負荷預測.pdf
評論
0/150
提交評論