基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法

摘要

本发明公开了一种基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法，该方法将矿井瓦斯浓度数据视为混沌时间序列以构建多个径向基函数(RBF)神经网络的预测子模型，对所有预测子模型同步预测结果的加权平均作为集成预测值，实现RBF神经网络集成的预测模型初始化；然后通过设定集成容量参数(也等于RBF网络预测步长)实现对瓦斯浓度短期到中期范围的预测；针对瓦斯浓度信息被持续采集的特点，可利用增量式训练模式获得新的预测子模型，再按照先入先出的队列顺序实现对RBF神经网络集成的更新，以提高瓦斯浓度的实时预测精度。这样，可以在预测范围和预测精度要求之间取得适当折衷，满足矿井瓦斯信息管理系统的技术要求。