《表3 BP神经网络输入层到隐含层节点的权值和阈值》
将测试样本数据输入模型进行瓦斯涌出量预测,结果如图2所示。通过对比可以看出ACA-BP神经网络预测模型的瓦斯涌出量预测值更加接近真实值,说明本文建立的ACA-BP神经网络预测模型用于瓦斯涌出量预测的理论可行性。对于瓦斯发电量的预测值,分别以图2中浅色折线(ACA-BP预测值)、黑色折线(BP预测值)、灰色折线(真实值)的纵坐标指示值作为燃料量输入,利用经验公式以及公式(2)便可得到相应的瓦斯发电量的预测值,如图3所示。由图3可看出ACA-BP模型的瓦斯发电量预测值(浅色柱状)相比BP模型(黑色柱状)更加接近于真实瓦斯发电量(灰色柱状)。可以得出结论:ACA-BP神经网络模型的性能较单一BP神经网络更好、精度得到改善。对于瓦斯涌出量以及瓦斯发电预测的研究有一定的指导意义。
图表编号 | XD00221300900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 王耀艺、张金钱、杨倩文 |
绘制单位 | 贵州大学电气工程学院、贵州大学电气工程学院、贵州大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |