科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高煤层瓦斯含量预测的精准性和可靠性，提出基于Logistic混沌映射改进的麻雀搜索算法优化BP神经网络的煤层瓦斯含量预测模型（LSSA-BP模型）。先通过灰色关联分析法（GRA）筛选瓦斯含量的主控因素作为LSSA-BP预测模型的输入层节点数，后利用Logistic混沌映射初始化麻雀种群以增加种群多样性，再采用LSSA对BP神经网络的权值和阈值进行优化，解决了单一BP模型收敛速度慢和易陷入局部极小的问题；通过模型应用，将LSSA-BP、SSABP和BP模型的预测结果进行对比。结果表明：LSSA-BP预测模型的平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）分别为0.346 9 m3/t、0.172 1m3/t、0.414 9 m3/t和27.403 6%，均优于其他模型，提高了煤层瓦斯含量预测的准确性和稳定性。
- 单位
