K-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用

摘要：

导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性.为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高度预计模型.模型经过训练学习和检验,发现模型预计精度满足工程精度需求,且与PSO-RBF神经网络相比,精度更高、收敛速度更快.

关键词：导水裂缝带高度、预测模型、RBF神经网络、K-means、量子遗传

所属期刊栏目：27

分类号：TD325(矿山压力与支护)

资助基金：河南省教育厅规划项目资助ZJB17226

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：164-167