邵剑生
- 作品数：4 被引量：25H指数：3
- 供职机构：西北工业大学自动化学院更多>>
- 发文基金：国家自然科学基金'泰山学者'建设工程专项更多>>
- 相关领域：矿业工程经济管理自动化与计算机技术更多>>
- 基于PSO-SVM的煤与瓦斯突出强度预测模型被引量：11
- 2012年
- 为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对该实例进行了预测,进而对这3种方法的预测精度进行了比较。分析结果表明3种方法的预测准确率PSO-SVM为87.5%、BP-NN为50%、SVM为62.5%。可见,PSO-SVM方法的预测效果要好于BP-NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义。
- 邵剑生薛惠锋
- 关键词：煤与瓦斯突出BP神经网络
- 基于PSO-BP网络的煤炭企业物流成本预测被引量：7
- 2010年
- 为了对煤炭企业物流成本进行有效的预测,首先分析了煤炭企业物流成本的影响因素,然后分别采用PSO-BP网络和BP网络对煤炭企业物流成本进行了预测,并对试验结果进行了对比分析,结果表明,PSO算法优化的BP神经网络,其收敛速度和预测精度都明显高于传统的BP网络。PSO-BP方法对煤炭企业物流成本的预测具有一定的参考价值和指导意义。
- 石永奎邵剑生李金皓
- 关键词：物流神经网络
- 冲击地压危险等级预测的PSO-SVM模型被引量：6
- 2012年
- 为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:PSO-SVM方法的预测精度要高于BP-NN和SVM方法的预测精度,可见,PSO-SVM预测方法对煤矿冲击地压危险程度预测具有一定的参考价值和指导意义.
- 邵剑生薛惠锋
- 关键词：冲击地压BP神经网络
- 动力灾害煤炭资源开采危险程度预测方法
- 煤矿动力现象是指在高应力状态下积聚有大量弹性能的煤或岩体，在一定的条件下突然发生破坏、冒落或抛出，使能量突然释放，呈现声响、震动以及气浪等明显的动力效应的现象。 我国是一个以煤炭为主要能源的国家，煤炭在我国能源结构中占...
- 邵剑生
- 关键词：动力灾害煤炭资源开采
