基于卡尔曼滤波及神经网络的瓦斯涌出量预测
为解决当前瓦斯涌出量预测过程中存在的因影响因素过多、预测指标与瓦斯涌出量之间非线性关系及其自身时变性等特点而导致预测精度降低的问题,采用SPSS因子分析法对瓦斯涌出量影响因素进行分析降维,将得到的预测指标由构建的BP神经网络与卡尔曼滤波相结合的瓦斯涌出量预测模型进行预测。研究结果表明:采用因子分析的方法能够有效筛选瓦斯涌出量影响因素,并得到了预测指标,降低了预测模型预算复杂度;经过BP神经网络与卡尔曼滤波耦合瓦斯涌出量预测模型,其预测精度明显高于直接采用神经网络模型预测的结果,预测性能明显改善,其平均误差仅为2.75%,表明所采取的瓦斯涌出量预测方法是可行和有效的。
文件下载
评论信息
其他资源
- 高光谱图像pca分析特征提取
- 高通校准综测工具QSPR快速指南
- SNMP c代码实现
- 客户消费积分管理系统源代码
- 用c++实现的抓包并分析协议
- 不动点迭代法解非线性方程的newton法matlab实现
- matlab线性拟合并得到拟合系数记忆相关性系数
- 利用vc2010编写操作word
- website-2021：重建2021年的个人网站-源码
- 通用嵌入式软件测试平台.pptx
- TMC5160编码器常量设置.pdf
- 【SSM项目源码】体检预约管理系统.zip
- 北京交通大学《电磁场与电磁波》期末考试试卷（含答案）.pdf
- 光敏温度检测系统PCB硬件
- Halcon 编程算子详解PDF
- 各个版本的jQuery
- MSP430汇编语言
- 基于KL变换的人脸识别
- Windows6.1-KB958559-x64
- 欧洲激光产品镭射标准EN60825-1
- 方正书版10.0破解
- fcntl模块 win
- python2.7+pyqt4超级文本工具开发代码经典示例.rar
- usb3 vision spec
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明