《表3 5种训练模型的预测值与实际测试值的偏差Tab.3 Deviation between predictive values of five models and actual values》
(m3·min-1)
可以看到,利用SPCA-SVR模型的预测值与实际值拟合较好,为了对比分析,本文还对相同的样本分别利用SVR、PCA-SVR、矿山统计法和BP-NN模型进行了预测分析.关于矿山统计法预测,由于在瓦斯地带,通常情况下相对瓦斯涌出量与开采深度近似呈线性相关,因此矿山统计法实质上是求一个线性回归方程,预测模型简单,预测结果精度较差.BP-NN,即BP神经网络,是由输入层,隐含层和输出层三层构成,是引用比较广泛的神经网络模型之一,它的学习过程由正向传播信号和反向传播误差组成,每一次的误差反传都将对各层的各个单元的权值进行调整,通过不断迭代,达到一定的学习次数或者使最终误差达到一个合适的水平为止[14].该方法模型较为复杂,学习速度较慢.本文用Matlab软件对上述预测方法进行仿真,训练预测结果如表3所示,仿真拟合结果如图3所示,其中偏差值为实际值与预测值差的绝对值.
图表编号 | XD0023994900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 张文东、胡彧 |
绘制单位 | 太原理工大学测控技术研究所、太原理工大学测控技术研究所 |
更多格式 | 高清、无水印(增值服务) |