基于主元分析与神经网络的垮落煤岩性状识别方法研究

为了获得综放开采现场用以分类煤岩的有效的特征向量和分类模型,通过已有的设备及设计采集方案,对综放开采现场的煤岩声压信号进行了采集;并对获取的声压信号进行时域分析,得到时域特征向量并作为神经网络的输入向量;利用主元分析(简称PCA),减少时域特征间的相关性,降低神经网络输入向量的维数;然后设计BP神经网络模型,通过比较梯度下降法与Levenberg-Marquard算法,得知基于LM训练法耗时明显小于梯度下降法。最后对比进行PCA与未进行PCA的LM算法的BP神经网络煤岩识别结果,得到PCA与LM算法的BP神经网络结合的方式识别准确率高且耗时短。