《表7 煤与瓦斯突出预测结果》

  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

《基于因子分析与BP神经网络的煤与瓦斯突出预测》

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

将公共因子前16组数据作为训练样本，最后3组数据作为预测样本。使用Matlab软件中BP神经网络工具箱创建BP神经网络，将3个公共因子作为输入层参数，将煤与瓦斯突出是否发生作为输出层参数，选用tansig函数和logsig函数分别作为隐含层神经元和输入层神经元转移函数，选用purelin函数和trainlm函数分别作为输出层激活函数和BP神经网络训练函数。对该改进模型进行多次训练，每次模型收敛时训练次数均小于100，凭借实践经验将模型最大训练次数设置限定为100，如不限定模型最大训练次数，模型也会因为相对误差满足目标训练误差要求而停止训练。设置BP神经网络训练误差为1×10-12，BP神经网络学习率为0.1，其余BP神经网络训练参数为默认值。用改进的BP神经网络模型计算，当模型训练到45步时，相对误差达到目标训练误差要求，模型训练结束。最后3组数据作为预测样本，检验改进的BP神经网络是否达到目标要求，预测结果见表7。