基于PCA-SaDE-ELM优化算法的煤层底板破坏深度预测及工程应用
-
51
-
作者
刘世伟赵家鑫孙利辉袁乐忠杨江华王中海
-
单位
河北工程大学水利水电学院河北工程大学矿业与测绘学院河北冀中邯峰矿业有限公司武安云驾岭矿
-
摘要
基于煤层底板破坏深度实测结果统计分析，通过优化数据样本空间，引入自适应差分进化改进的极限学习机算法，构建了煤层底板破坏深度预测模型，与实测结果对比分析验证，并应用于云驾岭煤矿9~#煤层底板破坏深度预测。结果表明：模型预测的最大绝对误差不超过0.7 m，相比现有其他预测模型，该模型预测精度提高约70%；云驾岭煤矿19101、19103和19105这3个典型工作面的破坏深度分别为10.80、10.94、11.34 m，介于规范方法和滑移场理论预测结果之间，进一步反映了模型的可靠性；建议对9#煤层底板加固改造后再进行回采。相关研究成果可为我国煤层底板破坏风险管理和煤炭资源的优化回采布置提供一定的理论支撑。
-
关键词
自适应差分进化算法极限学习机底板破坏深度预测模型
-
基金项目(Foundation)
河北省自然科学基金(E2021402023)；河北省高等学校科学技术研究项目资助(QN2021030)；
-
文章目录
0 引言
1 煤层底板破坏深度实测统计分析
2 基于PCA-Sa DE-ELM的底板破坏深度预测模型构建与验证
2.1 基于PCA的样本空间优化
2.2模型构建
(1）构建ELM影响因子集
(2）初始化隐层节点参数
(3）计算输出权重和均方根误差
(4）种群迭代计算
2.3 模型验证
3 工程应用与对比分析
(1）规范方法
(2）滑移线场理论
(3）不同方法计算结果对比分析
4 结语
煤炭技术 
2024年第06期 
