论文部分内容阅读
为准确预测瓦斯突出,提出多层去噪自编码器(Multi-layer DAE)搭载最小二乘支持向量机(LSSVM)的瓦斯突出预测模型。多层DAE网络提取瓦斯突出原始数据的有效特征,并链接LSSVM进行突出分类。因突出影响因子边界存在一定的模糊性,从时间角度考虑将其分为动、静态影响因子,并依此对多层DAE网络按照交叉熵规则设计新的代价函数。利用收集的100组真实样本数据,多次实验确定最稳定的模型结构参数。对比分析PCA-LSSVM、LLE-LSSVM、BP神经网络模型,结果表明,该模型有更优越的特征提取能