Розробка нейромережевого способу прогнозу вмісту метану в гірничих виробках

Автор(и)

  • Юлія Леонідівна Дікова Донецький національний технічний університет, пл. Шибанкова, 2, м. Красноармійськ, Україна, 85300, Україна https://orcid.org/0000-0002-8196-0817

DOI:

https://doi.org/10.15587/2312-8372.2015.51249

Ключові слова:

прогноз, нейронна мережа, distributed TLFN, ідентифікація структури і параметрів мережі, середньоквадратична помилка

Анотація

Розглянуто та проаналізовано існуючі методи прогнозу вмісту метану. Виходячи з основних переваг і недоліків, розроблено і реалізовано нейромережевий спосіб прогнозу, в основу якого покладено розподілену мережу прямого розповсюдження з затримкою в часі (distributed TLFN). Архітектура визначена на основі проведених експериментів. Критерієм вибору архітектури було мінімальне значення MSE.

Біографія автора

Юлія Леонідівна Дікова, Донецький національний технічний університет, пл. Шибанкова, 2, м. Красноармійськ, Україна, 85300

Аспірант

Кафедра комп’ютерних наук

Посилання

  1. Bryuhanov, А. M., Ivanov, Yu. A., Silakov, S. M. (2007). Sozdanie sovremennoy sistemyi kompleksnoy bezopasnosti. Sposobyi i sredstva sozdaniya bezopasnyih i zdorovyih usloviy truda v ugolnyih shahtah, 20, 7–15.
  2. Radchenko, V. V., Maleev, N. V., Martyinov, A. A., Zaharov, V. S., Shevtsov, V. A. (2005). Perspektivyi povyisheniya urovnya promyishlennoy bezopasnosti ugolnyih shaht pri ispolzovanii sistemyi dispetcheskogo kontrolya (UTAS). Gornyiy informatsionno-analiticheskiy byulleten, 2 (12), 32–44.
  3. Tihonov, E. E. (2006). Metodyi prognozirovaniya v usloviyah ryinka. Nevinnomyissk, 221.
  4. Box, G. E. P., Jenkins, G. M., Reinsel, G. C. (2008). Time Series Analysis: Forecasting and Control. Ed. 4. Prentice Hall, 810.
  5. Webb, A. R. (2002). Statistical Pattern Recognition. Ed. 2. John Wiley & Sons, Ltd., 495. doi:10.1002/0470854774
  6. Lukashin, Yu. L. (2003). Adaptivnyie metodyi kratkosrochnogo prognozirovaniya. Moskow: Finansyi i statistika, 416.
  7. Park, J., Nelson, D. (2000, January). Evaluation of an energy-based approach and a critical plane approach for predicting constant amplitude multiaxial fatigue life. International Journal of Fatigue, Vol. 22, № 1, 23–39. doi:10.1016/s0142-1123(99)00111-5
  8. Rassel, S., Norvig, P. (2007). Iskusstvennyiy intellekt: sovremennyiy podhod. Ed. 2. Moskow: Izdatelskiy dom «Vilyams», 1408.
  9. Fedorov, E. E., Dikova, Yu. L. (2015). Razrabotka sposoba prognoza soderzhaniya vzryivoopasnyih gazov v gornyih vyirabotkah. Naukovi pratsi Donetskogo natsionalnogo tehnichnogo universitetu. Seriya: Obchislyuvalna tehnIka ta avtomatizatsIya, 1 (28), 97–104.
  10. Dikova, Yu. L., Fedorov, E. E. (2015). Razrabotka neyrosetevogo sposoba diagnostiki shahtnogo oborudovaniya. Bionika intellekta, 1 (84), 80–84.

##submission.downloads##

Опубліковано

2015-09-22

Як цитувати

Дікова, Ю. Л. (2015). Розробка нейромережевого способу прогнозу вмісту метану в гірничих виробках. Technology Audit and Production Reserves, 5(6(25), 60–62. https://doi.org/10.15587/2312-8372.2015.51249

Номер

Том 5 № 6(25) (2015): Фундаментальні і прикладні дослідження: інтеграція до світових наукометричних баз даних

Розділ

Інформаційні технології та системи управління

Ліцензія

Авторське право (c) 2016 Технологічний аудит та резерви виробництва

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.