矿业安全与环保

作者：高科, 吕航宇, 戚志鹏, 刘玉姣

关键词：矿井通风, 巷道通风摩擦阻力系数, 预测模型, PCA-BP神经网络, 主成分分析, 影响因素

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( F 1、 F 2和 F 3), 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。

来源：2024年第1期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2024年第1期