本文關(guān)鍵詞：基于IGSA-ELM模型的回采工作面瓦斯涌出量預(yù)測

  更多相關(guān)文章： IGSA-ELM模型 自相關(guān)系數(shù)法 瓦斯涌出量 ELM神經(jīng)網(wǎng)絡(luò) 萬有引力算法

【摘要】：針對現(xiàn)有煤礦回采工作面瓦斯涌出量預(yù)測方法存在的預(yù)測時間較長,預(yù)測精度不高的問題,提出了用IGSA優(yōu)化ELM神經(jīng)網(wǎng)絡(luò)的瓦斯涌出量預(yù)測模型。將優(yōu)選策略和粒子的記憶、信息交換功能引入萬有引力搜索方法,利用IGSA對ELM神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)隱含層節(jié)點數(shù)進行尋優(yōu),利用自相關(guān)系數(shù)法篩選出回采工作面瓦斯涌出量的8個主要影響因素,建立基于IGSA-ELM算法的瓦斯涌出量預(yù)測模型,并結(jié)合礦井監(jiān)測到的歷史數(shù)據(jù)進行實例分析。試驗結(jié)果表明:經(jīng)IGSA優(yōu)化后的ELM神經(jīng)網(wǎng)絡(luò)瓦斯涌出量預(yù)測模型與PSO-ELM神經(jīng)網(wǎng)絡(luò)、ACC-ENN和GSA-ELM神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比,預(yù)測精度分別提高310%、60%、31%,為回采工作面瓦斯涌出量的預(yù)測提供了一種新的快速預(yù)測方法。
【作者單位】： 太原理工大學(xué)采煤工藝研究所;
【關(guān)鍵詞】： IGSA-ELM模型 自相關(guān)系數(shù)法 瓦斯涌出量 ELM神經(jīng)網(wǎng)絡(luò) 萬有引力算法
【基金】：國家自然科學(xué)基金資助項目(51174141;50974093)
【分類號】：TD712.5
【正文快照】： 隨著開采深度的增加,煤礦瓦斯涌出量日益增大,對煤礦生產(chǎn)安全造成了巨大危害,如何準確預(yù)測煤礦回采工作面瓦斯涌出量,對保障煤礦安全生產(chǎn),具有十分重要的經(jīng)濟和社會意義�，F(xiàn)有的瓦斯涌出量預(yù)測方法主要有數(shù)學(xué)模型分析法、物理模擬法和人工智能預(yù)測法。周延[1-2]等采用數(shù)學(xué)方法

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 孫林;楊世元;;基于LS-SVM的回采工作面瓦斯涌出量預(yù)測[J];煤炭學(xué)報;2008年12期

2 呂伏;梁冰;孫維吉;王巖;;基于主成分回歸分析法的回采工作面瓦斯涌出量預(yù)測[J];煤炭學(xué)報;2012年01期

3 黃為勇;童敏明;任子暉;;基于SVM的瓦斯涌出量非線性組合預(yù)測方法[J];中國礦業(yè)大學(xué)學(xué)報;2009年02期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張豪;羅亦泳;張立亭;;基于遺傳支持向量機的城市擴張非線性組合模型[J];地理學(xué)報;2010年06期

2 孫慶巍;高磊;王輝;李永甫;丁寧;;粉煤灰品質(zhì)主成分分析綜合評價[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2013年06期

3 孫慶巍;高磊;趙華民;;大摻量粉煤灰混凝土強度的LS-SVM預(yù)測[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2013年07期

4 畢建武;賈進章;劉丹;;基于SPSS多元回歸分析的回采工作面瓦斯涌出量預(yù)測[J];安全與環(huán)境學(xué)報;2013年05期

5 付華;王馨蕊;楊本臣;王志軍;屠乃威;王雨虹;徐耀松;;基于MPSO-CWLS-SVM的瓦斯涌出量預(yù)測[J];傳感技術(shù)學(xué)報;2014年11期

6 張強;賈寶山;董曉雷;李宗翔;;PCA-GA-SVM的回采工作面瓦斯涌出量預(yù)測[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2015年05期

7 單亞鋒;黃U，

本文編號：840092