来源：期刊VIP网 时间：
作者：程磊;李正健;贺智勇;史浩镕;王鑫;
单位：河南理工大学安全科学与工程学院;煤炭安全生产与清洁高效利用省部共建协同创新中心;河南省科学院;
摘要：目的 为防治矿井热害，解决矿井掘进面风温预测问题，方法 提出一种MIV算法优化的PSO-BPNN预测模型。通过利用MIV算法确定模型的输入变量，以BP网络建模，使用粒子群优化算法结合BP神经网络实现掘进工作面风流温度的预测，得到预测结果并与BPNN模型、PSO-BPNN模型、SVR模型相比较。结果 结果表明：MIV-PSO-BPNN预测模型的相对误差为-0.47%～1.81%，分别优于PSO-BPNN、BPNN、SVR预测模型的-3.96%～1.93%,-5.54%～2.98%,-2.16%～2.95%，预测模型的误差为-0.1～0.5℃，表明预测值与实测值基本一致；与BPNN预测模型、PSO-BPNN预测模型、SVR预测模型相比，MIV-PSO-BPNN预测模型的预测结果平均绝对误差分别减少65%,54%,50%，均方误差分别减少88%,78%,69%，表明该预测模型的预测效果优于其他3种模型。结论 所提模型适用于矿井掘进工作面风温的预测。
关键词：BP神经网络;;MIV算法;;粒子群优化算法;;风温预测;;算法优化
基金资助：国家自然科学基金资助项目（U1904210）
