《表3 BP,FOA-BP和LLE-FOA-BP模型的煤与瓦斯突出强度预测结果》

《表3 BP,FOA-BP和LLE-FOA-BP模型的煤与瓦斯突出强度预测结果》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于LLE-FOA-BP模型的煤与瓦斯突出强度预测》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

将表1中的数据输入BP神经网络模型、FOA-BP神经网络模型、LLE-FOA-BP模型进行煤与瓦斯突出强度预测，预测结果见表3。

图表编号XD00104252700    严禁用于非法目的
绘制时间2019.10.01
作者隆能增、袁梅、敖选俊、李鑫灵、张平
绘制单位贵州大学矿业学院、贵州大学矿业学院、贵州省非金属矿产资源综合利用重点实验室、贵州省优势矿产资源高效利用工程实验室、复杂地质矿山开采安全技术工程中心、贵州中纸投资有限公司、贵州大学矿业学院、贵州大学矿业学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表2 L-Isomap-KELM煤与瓦斯突出预测结果》2020.10.20
  2. 《表3 SVM预测结果：MI和SVM算法在煤与瓦斯突出预测中的应用》2021.01.01
  3. 《表1 实时预警指标数据：基于数据挖掘的煤与瓦斯突出实时预警研究》2020.11.15
  4. 《表3 预测结果：基于非线性支持向量机的隧道煤与瓦斯突出危险性预测》2020.04.01
  5. 《表7 证据合成结果：基于多源信息融合的煤与瓦斯突出动态预警模型》2020.06.01
  6. 《表3 测试数据：基于多源信息融合的煤与瓦斯突出动态预警模型》2020.06.01
  7. 《表2 识别样本：煤与瓦斯突出预测的PSO-BP算法模型》2020.08.28
  8. 《表1 训练样本：煤与瓦斯突出预测的PSO-BP算法模型》2020.08.28
  9. 《表5 组中心值：主成分-费歇尔判别模型在煤与瓦斯突出等级预测中的应用》2020.03.01
  10. 《表2 重构有效因子：基于LLE-FOA-BP模型的煤与瓦斯突出强度预测》2019.10.01
  11. 《表5 预测结果可靠度表：煤与瓦斯突出区域预测瓦斯地质方法的可靠性预计》2019.09.20
  12. 《表6 规范化后的煤与瓦斯危险性预测指标及突变级数数据》2019.05.01
  13. 《表2 不同气体压力和应力条件下的煤与瓦斯突出试验方案》2019.07.01
  14. 《表7 煤与瓦斯突出预测结果》2019.04.01
  15. 《表5 成分得分系数矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
  16. 《表3 各因素相关矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
  17. 《表6 公共因子矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
  18. 《表4 成分矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
  19. 《表3 平煤八矿煤与瓦斯突出预测训练样本梯度》2018.11.01
  20. 《表4 平煤八矿煤与瓦斯突出预测训练样本回判结果》2018.11.01

随机翻阅

《表4 基于后向产业关联的长三角地区产业的乘数、溢出和反馈效应对总产出的贡献率》 《表1 实际水样中E.coli O157∶H7的加标回收率（n=3)》 《表1 城乡子系统构成及指标》 《表3 健康促进的植被配置类型》 《表1 参与者性别比例调查》 《表2 非对称反应模型估计结果》 《附表2 两组手术后1h应激反应指标比较》 《表1 部分问题设定：应用型本科高校考研调查分析与干预研究》 《表4 系统满负荷运行单位成本预测结果》 《表7 数量前10位的关键词和高中心性关键词》