文献

J-GLOBAL ID：201702292985038427   整理番号：17A0176692

相空間再構築とカオス遺伝的ニューラルネットワーク融合による坑の予測【JST・京大機械翻訳】

Mine Water Inflow Prediction Research Based on Phase Space Reconstruction and Chaotic Genetic Neural Network

著者 (3件)： Deng Gao (School of Resources and Safety Engineering,Central South University) ,  Yang Shan (School of Resources and Safety Engineering,Central South University) ,  Jiang Shiyu (School of Resources and Safety Engineering,Central South University)
資料名： Shijie Keji Yanjiu Yufazhan  (Shijie Keji Yanjiu Yufazhan)
巻： 38  号： 5  ページ： 973-978  発行年： 2016年 
JST資料番号： C2994A  ISSN： 1006-6055  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： 鉱山の水の変化を正確に予測し,鉱山の水を効果的に予防するために,相空間再構成とカオス遺伝的ニューラルネットワークを結合した方法を提案し,鉱山の水の量を予測した。C-Cアルゴリズムを用いて,埋め込み次元と遅延時間を決定し,時系列の位相空間再構成により,時系列のカオス特性を判断した。BPニューラルネットワークが局所解に陥りやすい問題を避けるために,遺伝的アルゴリズムを用いてカオスニューラルネットワークを最適化し,カオス遺伝的ニューラルネットワーク予測モデルを構築した。構築したモデルを鉱山の100Mレベルでの地下水の予測に適用し,理論的予測における最大予測誤差は3.38%であり,この方法が短期間における土壌水分量の変化傾向を反映することができ,単純なカオスBPニューラルネットワーク予測モデルよりも優れていることを示した。予測精度は向上し,鉱山企業の災害予防と管理のための科学的基準を提供することができる。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 土壌含水量 ,  予測モデル ,  *相空間 ,  遺伝的アルゴリズム ,  *ニューラルネットワーク ,  地下水 ,  *再構成 ,  防災 ,  鉱山 ,  予測誤差 ,  *カオス ,  最適化
準シソーラス用語： 予測精度 ,  カオスニューラルネットワーク ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： mine water inflow ,  chaotic theory ,  C-C algorithms ,  genetic algorithm ,  BP neural network

分類 (3件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 相空間 ,  再構築 ,  カオス ,  ニューラルネットワーク ,  融合 ,  予測