基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測(cè)研究-wenkub
2023-01-24 13:47:42 本頁(yè)面
【正文】 隸屬度函數(shù)將輸入數(shù)據(jù)空間進(jìn)行分割，并獲得相應(yīng)的模糊規(guī)則，依據(jù)隸屬度函數(shù)的類型與個(gè)數(shù)不同，可以將輸入數(shù)據(jù)劃分為不同的組別?；谀：窠?jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測(cè)研究 陳闖 模糊神經(jīng)網(wǎng)絡(luò)模型 研究結(jié)果表明 : 模糊神經(jīng)網(wǎng)絡(luò)模型不僅能夠較好地解決模糊信息難于定量表達(dá)、學(xué)習(xí)樣本難于確定等問(wèn)題，而且能夠較準(zhǔn)確地提取出煤層瓦斯含量與其各個(gè)影響因素之間的非線性關(guān)系。一般情況下，實(shí)測(cè)瓦斯含量數(shù)據(jù)個(gè)數(shù)均較少，并且數(shù)據(jù)簡(jiǎn)單，所以應(yīng)適當(dāng)增加隸屬度函數(shù)的個(gè)數(shù)。對(duì)于數(shù)據(jù)的去模糊化處理，簡(jiǎn)單地采用最大隸屬函數(shù)法，即取所有模糊規(guī)則推理結(jié)果的模糊集合中隸屬度最大的元素作為輸出值。 ? ? 筆者所建模型神經(jīng)網(wǎng)絡(luò)部分采用傳統(tǒng)的基于誤差反向傳遞的 BP 神經(jīng)網(wǎng)絡(luò)，因選取煤層埋藏深度、煤層厚度、頂板巖性、上覆基巖厚度、頂板 30 m 砂巖比作為影響煤層瓦斯含量的因素，所以模糊化層神經(jīng)元個(gè)數(shù)為 5，而去模糊化層輸出值為瓦斯含量值。 m 為輸出 單元數(shù) 。 ? ? ? ? 網(wǎng)絡(luò)訓(xùn)練 ? 設(shè)置
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1