论文部分内容阅读
以非线性预测评价为基础，采用BP神经网络模型，利用遗传算法优化网络初始权值和阈值，建立一个新的煤矿底板突水危险性预测的网络模型，通过收集不同突水矿井的资料，综合考虑多种影响底板突水的因素。运用Matlab编程对网络原始数据进行训练，并对不同工作面底板是否突水及突水量进行预测分析，结果表明，该模型收敛速度快、预测精确度高，且具有较强的泛化能力。