基于优化的量子门节点神经网络的煤与瓦斯突出预测

来源：信息与控制杂志2020年第2期北京时间：

作者：王雨虹, 孙福成, 付华, 徐耀松

摘要：为了精准地预测煤与瓦斯突出风险等级，提出了一种基于子维进化的粒子群优化算法（sdPSO）和量子门节点神经网络（QGNN）的瓦斯突出风险等级预测模型sdPSO-QGNN.利用灰色关联分析（GRA）对突出影响因素进行降维处理，将筛选出的主控因素作为QGNN的输入，利用sdPSO对量子门节点神经网络参数进行优化，以提高量子门节点神经网络的全局与局部搜索能力，建立sdPSO-QGNN的瓦斯突出风险等级预测模型，实现对瓦斯突出风险的预测.实验结果表明，与BP（back propagation）神经网络、对称Alpha稳定分布的概率神经网络（SαS-PNN）、免疫粒子群算法优化的支持向量机（IPSO-SVM）、Memetic算法优化的极限学习机（Memetic-ELM）等预测模型相比，所提方法在提升模型泛化能力、提高预测精度方面效果显著.

关键词：煤与瓦斯突出, 风险等级预测, 灰色关联分析(GRA), 量子门节点神经网络, 子维进化的粒子群优化算法