PCA-GA-ELM煤矿瓦斯涌出量预测_中国煤炭行业知识服务平台

PCA-GA-ELM煤矿瓦斯涌出量预测

作者

洪林赫祥林董晓雷杨志博
单位

辽宁工程技术大学安全科学与工程学院矿山热动力灾害与防治教育部重点实验室东北煤田地质局一〇七勘探队
摘要

为对井下瓦斯涌出量进行预测,采用主成分分析与改进极限学习机相结合的方法,在样本数据的筛选上吸取主成分分析数据降维的优点;充分利用极限学习机训练速度快、能够获得全局最优解且具有良好的泛华性能的特点,将遗传算法与其相结合,选择最优的输入权值矩阵和隐含层偏差,避免随机产生所造成的误差.利用编写程序确定隐含层神经元个数,比依靠经验更为准确,在实际中得到成功应用.研究结果表明:运用PCA-GA-ELM预测模型最大相对误差为19.58%,最小相对误差为0.8%,平均相对误差为6.0551%.从预测模拟结果可以看出,利用主成分分析与改进极限学习机相结合模型进行预测,结果准确可靠,克服了以往模型的不足.
关键词

矿业安全涌出量主成分分析极限学习机遗传算法数据降维
基金项目(Foundation)

国家自然科学基金项目(51004062)；辽宁省教育厅科学技术研究项目(L2012122)；
相关文章

[1]PCA-GA-SVM的回采工作面瓦斯涌出量预测
[2]粗糙集-改进神经网络落煤瓦斯涌出量预测