Indexed by：
Abstract：
针对矿井中瓦斯浓度变化的时变性、非线性等特点,提出了一种动态神经网络瓦斯浓度实时预测模型.该模型利用历史数据建立初步预测模型,通过实时采集的瓦斯浓度数据进行预测,并用新数据及时调整预测模型的学习参数和结构参数,使得预测模型能够根据瓦斯浓度的动力学特性及时更新.用矿井实测瓦斯浓度数据进行试验,结果表明该模型较其他静态预测模型的预测精度有明显的提高.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制工程
ISSN： 1671-7848
Year： 2016
Issue： 4
Volume： 23
Page： 478-483
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 15
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
