基于CIGOA-ENN耦合算法的瓦斯涌出量預(yù)測研究.pdf

1、　　煤礦瓦斯災(zāi)害是制約礦井安全生產(chǎn)的主要自然災(zāi)害之一,嚴(yán)重影響著工人的生命及財(cái)產(chǎn)安全,因此認(rèn)識瓦斯災(zāi)害發(fā)生的規(guī)律和特征、實(shí)現(xiàn)瓦斯涌出量的準(zhǔn)確預(yù)測是防治瓦斯災(zāi)害的有效手段,對加強(qiáng)煤礦安全生產(chǎn)有著重要意義。
　　由于煤礦瓦斯系統(tǒng)是一個(gè)復(fù)雜的、時(shí)變的非線性動態(tài)系統(tǒng),因此利用傳統(tǒng)的線性預(yù)測方法建立的預(yù)測模型很難滿足工程實(shí)際的需要?；诖?本文提出一種新的智能優(yōu)化算法：混沌免疫遺傳優(yōu)化算法(Chaotic Immune Genetic O

2、ptimization Algorithm, CIGOA),利用其與Elman神經(jīng)網(wǎng)絡(luò)(Elman Neural Network, ENN)有機(jī)融合,建立基于CIGOA-ENN耦合算法的非線性動態(tài)系統(tǒng)辨識模型,用于瓦斯涌出量的預(yù)測,為瓦斯災(zāi)害的防治提供決策服務(wù)。
　　論文首先對Elman神經(jīng)網(wǎng)絡(luò)的性能進(jìn)行了分析,介紹了其優(yōu)缺點(diǎn),對于該神經(jīng)網(wǎng)絡(luò)收斂速度慢、易早熟的問題,提出利用遺傳算法對其進(jìn)行改進(jìn)。接下來分析了遺傳算法(Genet

3、ic Algorithm, GA)的運(yùn)行機(jī)理,針對GA在求解多峰、高維、非線性優(yōu)化問題時(shí),容易早熟收斂的缺陷,論文引入人工免疫思想和混沌優(yōu)化思想,對GA進(jìn)行改進(jìn),提出了混沌免疫遺傳優(yōu)化算法。該算法在種群進(jìn)化過程中,對個(gè)體進(jìn)行克隆擴(kuò)增、自適應(yīng)交叉、混沌變異、免疫選擇,以改善算法的全局搜索能力,提高其搜索精度。然后,將CIGOA與Elman神經(jīng)網(wǎng)絡(luò)融合,利用CIGOA對Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值進(jìn)行尋優(yōu),建立基于CIGOA-ENN耦合算