基于LLE FOA BP模型的煤与瓦斯突出强度预测

针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题，提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络（LLE-FOA-BP）模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势，提取煤与瓦斯突出影响因素原始数据的本质特征，形成重构有效因子，降低数据间的冗余信息及噪声；利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值，避免陷入局部极小，提高参数寻优效率；将重构有效因子输入优化后的BP神经网络进行训练，实现煤与瓦斯突出强度快速、准确预测。测试结果表明，LLE-FOA-BP模型的平均相对误差为8.06%，相对误差的方差为3.69，经过24次迭代训练就