来源：期刊VIP网 时间：
作者：高科;吕航宇;戚志鹏;刘玉姣;
单位：辽宁工程技术大学安全科学与工程学院;矿山热动力灾害与防治教育部重点实验室;
摘要：根据实测巷道通风摩擦阻力系数数据的特点，建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选，得到3个主成分指标(F_1、F_2和F_3),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试，并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比，结果显示：全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.942 0%、93.023 5%,而PCA-BP预测模型的平均精度达到了96.432 5%。PCA-BP神经网络模型不但简化了网络结构，更提高了网络的泛化能力，使预测误差更小、精度更高，为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。
关键词：矿井通风;;巷道通风摩擦阻力系数;;预测模型;;PCA-BP神经网络;;主成分分析;;影响因素
基金资助：国家自然科学基金青年基金项目(52104194)
