[1]谢和平, 吴立新, 郑德志.年中国能源消费及煤炭需求预测[J].煤炭学报, 2019, 44(7):1949-1960[2]谢和平, 王金华, 王国法, 等.煤炭革命新理念与煤炭科技发展构想[J].煤炭学报, 2018, 43(5):1187-1197[3]张顶立, 钱鸣高, 翟明华, 等.综放工作面覆岩结构型式及矿压显现[J] .[J].矿山压力与顶板管理, 1994, 4(4):13-17[4]黄庆享, 石平五, 钱鸣高.浅埋煤层长壁开采的矿压特征[C]. 中国岩石力学与工程学会.面向国民经济可持续发展战略的岩石力学与岩石工程——中国岩石力学与工程学会第五次学术大会论文集.中国岩石力学与工程学会:中国岩石力学与工程学会, 1998:653-657.[5]于斌, 杨敬轩, 刘长友, 等.大空间采场覆岩结构特征及其矿压作用机理[J].煤炭学报, 2019, 44(11):3295-3307[6]刘洪磊, 杨天鸿, 张博华, 等.西部煤层开采覆岩垮落及矿压显现影响因素研究[J].煤炭学报, 2017, 42(2):460-469[7]贺超峰, 华心祝, 杨科, 等.基 于神经网络的工作面周期来压预测[J].安徽理工大学学报自然科学版, 2012, 32(1):59-63[8]杨硕.基于PSO-BP神经网络的浅埋煤层工作面顶板矿压预测研究[D]. 西安科技大学, 2010.[9]赵毅鑫, 杨志良, 马斌杰, 等.基于深度学习的大采高工作面矿压预测分析及模型泛化[J].煤炭学报, 2020, 45(1):54-65[10]Joachims T.Making large-scale SVM learning practical [R]. Technical Report, 1998.[11]廖俊勃, 张恒, 李严彪, 等.基于改进-的预测算法研究[J].工业控制计算机, 2019, 32(11):85-87[12]Vapnik V.The nature of statistical learning theory[M]. New York: Springer-Verlag, 1995.[13]Poli R, Kennedy J, Blackwell T.Particle swarm optimization[J].Swarm intelligence, 2007, 1(1):33-57[14]Clerc M.Particle swarm optimization[M]. John Wiley & Sons, 2010.[15]谭学瑞, 邓聚龙.灰色关联分析:多因素统计分析新方法[J][J].统计研究, 1995, 3(3):46-48[16]邓聚龙, 孙顺庚.灰色系统理论与科技进步[J][J].科技进步与对策, 1986, 5(5):40-41[17]王猛, 宋子枫, 勾攀峰,等.综采面覆岩结构稳定控制的推采速度效应[J].中国矿业大学学报, 2020, 49(3):463-470[18]于斌, 刘长友, 杨敬轩, 等.坚硬厚层顶板的破断失稳及其控制研究[J].中国矿业大学学报, 2013, 42(3):342-348[19]刘畅, 刘正和, 张俊文, 等.工作面长度对覆岩空间结构演化及大采高采场矿压规律的影响[J].岩土力学, 2018, 39(2):691-698[20]吴明圣.径向基神经网络和支持向量机的参数优化方法研究及应用[D]. 中南大学, 2007.[21]Ding S, Su C, Yu J.An optimizing BP neural network algorithm based on genetic algorithm[J].Artificial Intelligence Review, 2011, 36(2):153-162[22]昝军才, 魏成才, 蒋可娟, 等.基于神经网络的煤自燃温度预测研究[J].煤炭工程, 2019, 51(10):123-127[23]李宝胜, 秦传东.基于粒子群优化的多分类的电动车价格预测研究[J].计算机科学, 2020, 47(S2):421-424 |