煤與瓦斯突出預(yù)測(cè)是一個(gè)復(fù)雜多因素的、非線性的高維問(wèn)題,傳統(tǒng)的預(yù)測(cè)方法存在預(yù)測(cè)精度不高,預(yù)測(cè)速度慢等不足。針對(duì)上述問(wèn)題,提出了將地標(biāo)等距特征映射（Landmarks Isometric Mapping,L-Isomap）理論與核極端學(xué)習(xí)機(jī)（Kernel Extreme Learning Machine,KELM）相結(jié)合應(yīng)用到煤與瓦斯突出預(yù)測(cè)中的新方法。首先,采用L-Isomap進(jìn)行非線性降維,完成特征提取;然后,用KELM來(lái)融合煤與瓦斯突出風(fēng)險(xiǎn)與致突因素組成的特征向量之間的非線性關(guān)系,建立煤與瓦斯突出預(yù)測(cè)的L-Isomap-KELM模型,并將其與極端學(xué)習(xí)機(jī)（ELM）預(yù)測(cè)模型相比。仿真結(jié)果表明:L-Isomap-KELM預(yù)測(cè)模型能夠達(dá)到97.31%的準(zhǔn)確率,并且運(yùn)算速度快,還具有很好的泛化能力。 

【文章來(lái)源】：控制工程. 2020,27(10)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 引言
2 致突因素選取
3 地標(biāo)等距特征映射算法
4 核極端學(xué)習(xí)機(jī)基本理論
5 基于L-Isomap與KELM的煤與瓦斯突出預(yù)測(cè)模型
    5.1 主視效果對(duì)比
    5.2 預(yù)測(cè)模型分析
    5.3 預(yù)測(cè)結(jié)果分析
6 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于熵權(quán)灰色關(guān)聯(lián)法的煤與瓦斯突出主控因素分析[J]. 王云剛,周辰,李輝,張宏圖.  安全與環(huán)境學(xué)報(bào). 2016(06)
[2]基于IsoMap和MBFO-SVR的瓦斯涌出量動(dòng)態(tài)預(yù)測(cè)研究[J]. 謝國(guó)民,單敏柱,付華.  傳感技術(shù)學(xué)報(bào). 2016(07)
[3]基于BP神經(jīng)網(wǎng)絡(luò)灰色關(guān)聯(lián)分析的煤與瓦斯突出危險(xiǎn)性預(yù)測(cè)[J]. 李守國(guó).  現(xiàn)代礦業(yè). 2016(01)
[4]基于流形學(xué)習(xí)和支持向量機(jī)的太赫茲譜分類[J]. 劉坤,李飚,曾祥鑫.  計(jì)算機(jī)工程與應(yīng)用. 2015(24)
[5]新型煤與瓦斯突出預(yù)測(cè)指標(biāo)確定及應(yīng)用[J]. 劉雪莉,游繼軍.  煤炭科學(xué)技術(shù). 2015(03)
[6]基于PCA和PSO-ELM的煤與瓦斯突出軟測(cè)量研究[J]. 付華,王馨蕊,王志軍,王雨虹,屠乃威,徐耀松.  傳感技術(shù)學(xué)報(bào). 2014(12)
[7]基于優(yōu)選小波包和ELM的模擬電路故障診斷[J]. 何星,王宏力,陸敬輝,姜偉.  儀器儀表學(xué)報(bào). 2013(11)
[8]基于PCA-BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)研究[J]. 朱志潔,張宏偉,韓軍,宋衛(wèi)華.  中國(guó)安全科學(xué)學(xué)報(bào). 2013(04)
[9]基于等距映射與加權(quán)KNN的旋轉(zhuǎn)機(jī)械故障診斷[J]. 陳法法,湯寶平,蘇祖強(qiáng).  儀器儀表學(xué)報(bào). 2013(01)
[10]基于L-ISOMAP降維的快速模糊聚類算法[J]. 孫麗萍,丁男,王云中,馬洪連.  計(jì)算機(jī)工程與應(yīng)用. 2011(24)



本文編號(hào)：3167529