基于Adam算法BP神经网络的
矿井环境瓦斯浓度预测模型 |
| |
引用本文: | 曹亮.基于Adam算法BP神经网络的
矿井环境瓦斯浓度预测模型[J].湖南科技大学学报(自然科学版),2024,39(1):18-23. |
| |
作者姓名: | 曹亮 |
| |
作者单位: | 中国煤炭科工集团 煤炭科学技术研究院有限公司,北京 100013 |
| |
基金项目: | 煤炭科学技术研究院科技发展基金资助项目(2020CX-II-27) |
| |
摘 要: | 为了解决现有矿井环境瓦斯浓度预测方法无法处理大数据量、适应性差、误差较大、易陷入局部最优等问题,提出一种基于Adam算法的改进型BP(Back Propagation)神经网络模型,模型适用于矿井多环境参数下,对某区域内环境瓦斯浓度进行预测.对监测监控系统采集到的真实数据进行归一化处理并形成数据集,通过将Adam算法与BP网络模型进行有效结合形成新的网络模型.运用训练集对模型进行训练及调优后,迭代次数在1 200次后损失率趋于平稳,验证集预测的结果整体平均误差率为1.258%,结果表明:该优化模型提高了网络训练速度,且避免了传统BP模型容易陷入局部最小的缺点,同时降低了预测的相对误差.
|
关 键 词: | 瓦斯浓度 BP神经网络 激活函数 Adam算法 梯度消失 |
|
| 点击此处可从《湖南科技大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南科技大学学报(自然科学版)》下载免费的PDF全文 |
|