English
首页
期刊信息
期刊简介
收录情况
评价指标
获奖情况
获得资助
专题征稿
期刊订阅
编委会
编辑委员会
青年编委会
期刊在线
网络首发
优先出版
当期目录
过刊浏览
浏览排行
下载排行
引用排行
投稿指南
征稿方向
投稿须知
下载中心
审稿指南
自荐审稿
评议要求
开放获取
出版伦理
合作单位
联系我们
全部
标题
作者
关键词
摘要
DOI
栏目
地址
基金
中图分类号
PACS
EEACC
高级检索
所有
标题
作者
关键词
摘要
DOI
栏目
地址
基金
中图分类号
PACS
EEACC
首页
期刊信息
期刊简介
收录情况
评价指标
获奖情况
获得资助
专题征稿
期刊订阅
编委会
编辑委员会
青年编委会
期刊在线
网络首发
优先出版
当期目录
过刊浏览
浏览排行
下载排行
引用排行
投稿指南
征稿方向
投稿须知
下载中心
审稿指南
自荐审稿
评议要求
开放获取
出版伦理
合作单位
联系我们
English
尹光志, 李铭辉, 李文璞, 等. 基于改进BP神经网络的煤体瓦斯渗透率预测模型[J]. 煤炭学报, 2013, (7).
引用本文:
尹光志, 李铭辉, 李文璞, 等. 基于改进BP神经网络的煤体瓦斯渗透率预测模型[J]. 煤炭学报, 2013, (7).
基于改进BP神经网络的煤体瓦斯渗透率预测模型
尹光志
,
李铭辉
,
李文璞
,
曹偈
,
李星
摘要
HTML全文
图
(0)
表
(0)
参考文献
(0)
相关文章
施引文献
资源附件
(0)
摘要
摘要:
分析总结了煤体渗透率的3个主要影响因素——有效应力、温度和瓦斯压力,并结合煤体的力学特性建立了一个预测煤层瓦斯渗透率的BP神经网络模型。根据不同有效应力、不同温度和不同瓦斯压力条件下大量具有代表性的煤样渗透率数据来建立学习样本,并对该模型的精度进行了检验。该BP神经网络经过11 986次学习后精度满足要求,训练后BP神经网络模型所得预测结果的最大绝对误差为0.049×10-15m2,最大相对误差为4.298%。根据所建立的BP神经网络模型得到的预测值与实测值吻合较好。
HTML全文
参考文献
(0)
相关文章
施引文献
资源附件
(0)
/
下载:
全尺寸图片
幻灯片
返回文章
分享
用微信扫码二维码
分享至好友和朋友圈
返回
×
Close
导出文件
文件类别
RIS(可直接使用Endnote编辑器进行编辑)
Bib(可直接使用Latex编辑器进行编辑)
Txt
引用内容
引文——仅导出文章的Citation信息
引文和摘要——导出文章的Citation信息和文章摘要信息
×
Close
引用参考文献格式