文献

J-GLOBAL ID：201602218322083702   整理番号：15A1250911

ASGSO ENNアルゴリズムに基づくガス排出量の動的予測モデル【Powered by NICT】

Gas Emission Quantity Dynamic Prediction Model Based on ASGSO-ENN Algorithm

著者 (2件)： Fu Hua (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Huludao) ,  Zi Hai (Fac. of Electrical and Control Engineering,Liaoning Technical Univ., Huludao)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 41  号： 7  ページ： 317-321  発行年： 2015年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  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： 石炭鉱山の多因子ガス排出量予測問題に対して,基本ツチボタル群最適化(GSO)アルゴリズムは後期段階の遅い収束速度を受け,局所最適に陥ることがとなる傾向がある。ルシフェリン因子は本論文で導入された探索ステップ長さの自己適応を達成することである。提案した自己適応ステップツチボタル群最適化(ASGSO)アルゴリズムを動的フィードバックElman神経回路網(ENN)と組み合わせた非線形ガス排出システムの同定を行うことである。リアルタイムでネットワーク重みとしきい値の最適値を探索大域的により,ASGSO ENNベースモデルは,絶対ガス排出量を予測するための結合アルゴリズムにより確立される。実験は鉱山の歴史的モニタリングデータにより実行され,予測結果は,二乗平均平方根誤差は0 103 4であり,平均相対分散は0。000~387であることを示した。提案モデルは実際に有用であると予測精度と汎化能力の点で他の一般的に使用されるモデルより性能が優れている。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 最適化 ,  *排出量 ,  神経回路網 ,  フィードバック ,  炭鉱 ,  鉱山 ,  ステップ ,  *アルゴリズム ,  汎化
準シソーラス用語： 予測精度 ,  rms誤差 ,  最適値 ,  実時間 ,  自己適応 ,  収束速度 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： アルゴリズム ,  排出量 ,  予測モデル