| 注册
首页|期刊导航|工矿自动化|基于集成学习强化BPNN的掘进工作面温度预测模型

基于集成学习强化BPNN的掘进工作面温度预测模型

马恒 张世龙 高科

工矿自动化2025,Vol.51Issue(8):P.88-94,158,8.
工矿自动化2025,Vol.51Issue(8):P.88-94,158,8.DOI:10.13272/j.issn.1671-251x.2025060070

基于集成学习强化BPNN的掘进工作面温度预测模型

马恒 1张世龙 2高科1

作者信息

  • 1. 辽宁工程技术大学安全科学与工程学院,辽宁葫芦岛125000 辽宁工程技术大学教育部矿山热动力灾害与防治重点实验室,辽宁葫芦岛125000
  • 2. 辽宁工程技术大学安全科学与工程学院,辽宁葫芦岛125000
  • 折叠

摘要

关键词

掘进工作面温度预测/t−分布随机邻域嵌入/BP神经网络/t−SNE/自适应推进算法/AdaBoost集成学习/5折交叉验证

分类

矿业与冶金

引用本文复制引用

马恒,张世龙,高科..基于集成学习强化BPNN的掘进工作面温度预测模型[J].工矿自动化,2025,51(8):P.88-94,158,8.

基金项目

国家自然科学基金项目(52074148)。 (52074148)

工矿自动化

OA北大核心

1671-251X

访问量0
|
下载量0
段落导航相关论文