集成ISGNN信息融合方法及其在煤礦瓦斯監(jiān)測(cè)中的應(yīng)用.pdf

1、本文對(duì)集成ISGNN信息融合方法及其在煤礦瓦斯監(jiān)測(cè)中的應(yīng)用進(jìn)行了研究。主要內(nèi)容包括： (1) 提出了一種迭代自生成神經(jīng)網(wǎng)絡(luò) ISGNN算法。ISGNN傳統(tǒng)自生成神經(jīng)網(wǎng)絡(luò) SGNN算法進(jìn)行了兩點(diǎn)改進(jìn)：一是改變 SGNT的優(yōu)化順序，使SGNT 的優(yōu)化成為一個(gè)迭代優(yōu)化過程；二是在迭代優(yōu)化過程中，對(duì)SGNT進(jìn)行剪枝。實(shí)驗(yàn)結(jié)果表明：ISGNN 較 SGNN 減少了SGNT 的節(jié)點(diǎn)數(shù)目，降低了預(yù)測(cè)時(shí)間，提高了分類精度。同時(shí)，在訓(xùn)練時(shí)間上IS

2、GNN也略小于SGNN。 (2)提出了一種集成迭代自生成神經(jīng)網(wǎng)絡(luò) EISGNN。EISGNN將集成學(xué)習(xí)思想與ISGNN相結(jié)合。采用抽樣技術(shù)，選擇數(shù)量少且能夠反映訓(xùn)練樣本集特征的樣本訓(xùn)練多個(gè)ISGNN，最后將多個(gè)分類結(jié)果融合，從而得出最終的分類結(jié)果。實(shí)驗(yàn)表明：EISGNN較ISGNN提高了分類精度，減少了訓(xùn)練時(shí)間。 (3)將EISGNN應(yīng)用于煤礦瓦斯監(jiān)測(cè)中，解決異常瓦斯采樣數(shù)據(jù)檢測(cè)、遺失瓦斯采樣數(shù)據(jù)估計(jì)和不完整信息的異常瓦