基于BP神经网络的煤矿干式钻孔产尘率预测模型
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    分析总结了干式钻孔孔口产尘率的4个主要影响因素:煤体硬度、粉碎性能指标、固气比和含水率,建立了一个预测干式钻孔孔口产尘率的BP神经网络模型.根据在不同硬度和粉碎性能指标、不同含水率的煤体以及不同固气比条件下采集的数据,对建立的BP神经网络模型进行训练、验证和误差分析.结果表明,网络训练所得预测值与孔口产尘量实测值之间的最大绝对误差为4.200×10-3,相对误差的最大值为3.06%.由本文所建立的BP神经网络模型所得到的预测值与实测值吻合度很高,故该模型为防尘设备参数的选择和防治职业危害危害提供了理论依据.

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文

张慧,罗文柯,凤雯,张开.基于BP神经网络的煤矿干式钻孔产尘率预测模型[J].矿业工程研究,2017,(1):

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-03-08