Abstract：
针对矿井中瓦斯浓度预测问题，提出一种改进回声状态网络的预测模型。由于实测瓦斯浓度数据含噪声，用经验模态分解将历史瓦斯浓度数据分解成多个独立的本征模函数，再经低通滤波器将小尺度函数自适应去噪后，对数据进行重构以建立预测模型。对传统回声状态网络结构进行了改进，使得改进的网络具有群集、双向连接和自反馈特性，增强了动态神经元池中神经元的多样性，克服了传统回声状态网络易出现病态解的问题，提高了模型的预测精度。实测数据预测结果表明所提方法的有效性和稳定性，为实现煤矿安全生产提供了决策支持作用。
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2015
Page： 1-1
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 17
Affiliated Colleges：
