文献

J-GLOBAL ID：201702240795291569   整理番号：17A0532831

CFOA-GRNNに基づく衝撃圧の危険レベル予測【JST・京大機械翻訳】

Prediction of rock-burst risk rating based on CFOA-GRNN network

著者 (4件)： Tang Mingdong (School of Resources and Safety Engineering, Central South University) ,  Shi Xiuzhi (School of Resources and Safety Engineering, Central South University) ,  Zhou Jian (School of Resources and Safety Engineering, Central South University) ,  Qiu Xianyang (School of Resources and Safety Engineering, Central South University)
資料名： Zhongguoanquan Kexue Xuebao  (Zhongguoanquan Kexue Xuebao)
巻： 26  号： 12  ページ： 110-115  発行年： 2016年 
JST資料番号： C2757A  ISSN： 1003-3033  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 衝撃波の影響因子のファジィ,非線形性などの特性を考慮して,カオス的最適化アルゴリズムによって改良された一般化回帰ニューラルネットワーク(CFOA-GRNN)を用いて,カオス的擾乱因子を導入して,ネットワークのモデルは炭層の厚さ、深度などの10個の主な影響因子を選択した。Yan台炭鉱の35のサンプルデータを用いて、モデルに対して学習、訓練と予測を行い、予測結果を従来の予測モデルの結果と比較した。同時に,感度解析法を用いて,モデル精度に及ぼす主要因の影響を評価した。その結果,炭層の傾斜角が最も大きく影響し,次が圧力であることを示した。研究により、構築したCFOA-GRNNモデルの正確率は92.8%であり、従来の予測モデルより明らかに優れていることが明らかになった。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 炭鉱 ,  曖昧さ ,  傾斜角 ,  *予測モデル ,  非線形性 ,  ネットワーク ,  衝撃波 ,  感度解析 ,  カオス ,  炭層
準シソーラス用語： モデル精度 ,  一般回帰ニューラルネットワーク ,  最適アルゴリズム ,  影響因子 ,  *衝撃圧力 , 【Automatic Indexing@JST】

著者キーワード (5件)： rock burst ,  classification prediction ,  chaos fruit fly optimization algorithm(CFOA) ,  generalized regression neural network(GRNN) ,  sensitivity analysis

分類 (9件)： 海岸工学  (RC13000X) ,  その他の表面処理  (WC08070F) ,  油層工学  (UA10030G) ,  熱的操作によらぬ硬化  (WC04080O) ,  圧粉,焼結  (WC02030X) ,  気体燃料工業一般  (YE02010J) ,  柱  (HD03030S) ,  環境問題  (SA01020V) ,  高速空気力学  (BC03000C)

タイトルに関連する用語 (2件)： 衝撃圧 ,  予測