[发明专利]一种基于动态神经网络的瓦斯浓度实时预测方法在审
| 申请号： | 201410384801.2 | 申请日： | 2014-08-06 |
| 公开（公告）号： | CN104156422A | 公开（公告）日： | 2014-11-19 |
| 发明（设计）人： | 郭伟;张昭昭 | 申请（专利权）人： | 辽宁工程技术大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/02;G06Q10/04;E21F17/18 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 汤东凤 |
| 地址： | 123000*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于动态神经网络的瓦斯浓度实时预测方法，首先利用矿井瓦斯浓度历史数据库中的数据对神经网络进行训练，在训练网络的过程中，动态判断网络隐节点的活跃度和每个隐节点的学习能力，实现对网络隐节点的分裂和删除操作，建立网络初步预测模型；其次，持续实时采集矿井瓦斯浓度信息输入神经网络预测模型预测未来瓦斯浓度变化趋势，已预测过的实时数据，按照先入先出的队列顺序及时训练网络以实时更新神经网络结构，使得神经网络结构能够根据实时工况进行调整，以提高瓦斯浓度的实时预测精度。本发明能够根据实时瓦斯浓度数据，及时在线调整神经网络结构，从而提高瓦斯浓度预测精度，满足矿井瓦斯浓度信息管理系统的技术要求。 | ||
| 搜索关键词： | 一种 基于 动态 神经网络 瓦斯 浓度 实时 预测 方法 | ||
【主权项】：
一种基于动态神经网络的瓦斯浓度实时预测方法，其特征在于，包括以下步骤：S1、通过瓦斯传感器采集瓦斯浓度数据，存入瓦斯浓度历史数据库；S2、将瓦斯浓度历史数据库中的数据视为混沌时间序列进行处理，利用C‑C方法计算该混沌时间序列的延迟时间和嵌入维数；S3、分别建立相空间重构和p步预测向量作为神经网络的训练样本集；S4、用训练样本集采取增量学习方式训练神经网络，建立神经网络预测模型；S5、根据已建立的神经网络预测模型进行实时预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于辽宁工程技术大学，未经辽宁工程技术大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410384801.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种快速提取安卓手机数据的装置和方法
- 下一篇：搜索结果的提供方法和装置
