PCA-GA-ELM煤矿瓦斯涌出量预测

发布时间：2019-09-11 20:32

【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.
【作者单位】： 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;东北煤田地质局一0七勘探队;
【基金】：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)
【分类号】：TD712.5

【参考文献】

相关期刊论文 前6条

1 唐加福;李润生;施永贵;范纯广;;主成分分析法在电信企业绩效评价中的应用[J];东北大学学报(自然科学版);2008年04期

2 董晓雷;贾进章;樊程程;赫祥林;;粗糙集-改进神经网络落煤瓦斯涌出量预测[J];辽宁工程技术大学学报(自然科学版);2014年05期

3 丁晓剑;赵银亮;;优化极限学习机的序列最小优化方法[J];西安交通大学学报;2011年06期

4 陈建宏;刘浪;周智勇;永学艳;;基于主成分分析与神经网络的采矿方法优选[J];中南大学学报(自然科学版);2010年05期

5 季刚;华连生;江双五;;PCA-BP神经网络在降水预测中的应用研究[J];微计算机信息;2012年08期

6 王杰;毕浩洋;;一种基于粒子群优化的极限学习机[J];郑州大学学报(理学版);2013年01期

【共引文献】

相关期刊论文 前10条

1 张莉莉;西凤茹;;地市分公司个性优势视角下的辽宁移动数据产业竞优分析[J];辽宁科技大学学报;2011年04期

2 刘聪;汪明;;R软件在主成分分析中的应用研究[J];电脑知识与技术;2011年13期

3 丁晓剑;赵银亮;李远成;;基于SVM的二次下降有效集算法[J];电子学报;2011年08期

4 张铁军;唐加福;蔡莉青;雒兴刚;;非均匀属性水平下的电信套餐优化设计[J];工业工程与管理;2012年04期

5 邓红卫;胡普仑;杨念哥;高峰;翟建波;;基于组合赋权TOPSIS的采矿方法优选[J];广西大学学报(自然科学版);2012年05期

6 陈建宏;周汉陵;邬书良;杨珊;于凤玲;;优势变精度粗糙集构建采矿方案评价体系的研究[J];工程设计学报;2013年06期

7 毕建武;贾进章;;基于SPSS的PCA-MRA回采工作面瓦斯涌出量预测[J];安全与环境学报;2014年05期

8 熊传霞;;经济问题中的概率统计模型及应用[J];经营管理者;2015年05期

9 张强;贾宝山;董晓雷;李宗翔;;PCA-GA-SVM的回采工作面瓦斯涌出量预测[J];辽宁工程技术大学学报(自然科学版);2015年05期

10 王永友;刘美娜;;军工院校大学文化与大学发展耦合度评价实证分析[J];哈尔滨工程大学学报;2009年11期

相关博士学位论文 前10条

1 张秋红;电信运营商间合谋行为的机理及对企业绩效的影响[D];吉林大学;2012年

2 李倩;我国不良资产证券化安全发债研究[D];天津大学;2008年

3 王永友;我国国防工业院校的大学文化体系及机理研究[D];哈尔滨工程大学;2009年

4 支有冉;典型可燃物燃烧烟尘的分析及辨识研究[D];中国科学技术大学;2012年

5 徐磊;供应链突发事件产生机理与扩散机理研究[D];长安大学;2011年

6 陆慧娟;基于基因表达数据的肿瘤分类算法研究[D];中国矿业大学;2012年

7 李铁;电熔镁炉熔池尺寸软测量方法的研究[D];大连理工大学;2013年

8 杨珊;岩溶堆积型铝土矿系统开采优化研究[D];中南大学;2012年

9 张敏捷;基于群体动力学的交通协调控制理论与方法研究[D];华南理工大学;2013年

10 李小冬;核极限学习机的理论与算法及其在图像处理中的应用[D];浙江大学;2014年

相关硕士学位论文 前10条

1 何伟;基于主成分分析和神经网络的蛋白质糖基化位点的预测[D];中南林业科技大学;2010年

2 司秀林;成都市城乡建设用地统筹效率研究[D];四川农业大学;2011年

3 刘小龙;配电网运行经济性评价的研究[D];华北电力大学;2011年

4 张凡;企业应急物流系统能力评价研究[D];湖南大学;2010年

5 曹亢;电信运营商地市公司数据业务绩效评价体系研究[D];电子科技大学;2009年

6 袁平;基于多指标综合评价的指挥自动化信息网安全风险评估[D];清华大学;2009年

7 王凡;基于多重评价模型的配电网经济性评价[D];燕山大学;2010年

8 尚振华;大直径深孔采矿隔离中段采场结构参数优化研究[D];长沙矿山研究院;2012年

9 张金伟;不平衡数据分类研究及在肿瘤识别中的应用[D];中国计量学院;2012年

10 解冰雪;LT集团客户事业部绩效管理研究[D];哈尔滨工程大学;2012年

【二级参考文献】

相关期刊论文 前10条

1 郝丽娜,王伟,吴光宇,王宛山;粗糙集-神经网络故障诊断方法研究[J];东北大学学报;2003年03期

2 殷峻暹,陈守煜,邱菊;基于遗传与BP混合算法神经网络预测模型及应用[J];大连理工大学学报;2002年05期

3 王广利;齐庆杰;马云东;王继仁;;南山矿煤与瓦斯突出发生规律与危险性评价[J];辽宁工程技术大学学报(自然科学版);2010年02期

4 赵全胜;李其廉;黄鹂;;考虑瓦斯解吸影响的煤渗流应力耦合模型[J];辽宁工程技术大学学报(自然科学版);2010年04期

5 严晓明;郑之;;基于混合仿生算法的SVM参数优化[J];广西师范大学学报(自然科学版);2011年02期

6 刘延保;金洪伟;王波;;煤岩体吸附、解吸瓦斯过程中动态变形特性的研究进展[J];辽宁工程技术大学学报(自然科学版);2012年05期

7 张嘉勇;郭立稳;;钱家营7煤工作面周期来压期间瓦斯涌出规律[J];辽宁工程技术大学学报(自然科学版);2012年05期

8 王大虎;李建磊;金浩;;主成分分析在经济可持续发展研究中的应用[J];河北师范大学学报;2006年06期

9 李英龙,严碧;SPSS统计软件包在矿山统计分析中的应用[J];黄金;2000年05期

10 古德生;地下金属矿采矿科学技术的发展趋势[J];黄金;2004年01期

相关硕士学位论文 前1条

1 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年

【相似文献】

相关期刊论文 前10条

1 牛新宇;靳曼莉;;基于主成分分析模型的公司发展能力问题研究[J];吉林化工学院学报;2013年07期

2 梁伟,张纪伍,吉荣梅;主成分分析对土壤污染源的分辨[J];农村生态环境;1985年01期

3 张高生,李玉春;运用主成分分析评价山东25个水体的环境质量[J];环境科学研究;1989年02期

4 张松滨;;加权主成分分析与区域环境质量评价[J];重庆环境科学;1989年05期

5 陆安祥;王纪华;潘瑜春;马智宏;赵春江;;小尺度农田土壤中重金属的统计分析与空间分布研究[J];环境科学;2007年07期

6 吴琢了;张朝元;王跃;;基于主成分分析的大理州经济发展分析与评价[J];昆明冶金高等专科学校学报;2013年01期

7 梁克怀;杨勤;;主成分分析在橡胶工业中的应用[J];特种橡胶制品;1983年05期

8 陈文灿,崔卉,梁逸曾;一个基于诊断的稳健主成分分析方法[J];分析科学学报;1996年04期

9 邹艳芬;主成分分析在经济评价中的应用[J];连云港化工高专学报;1996年04期

10 曾黄麟,虞厥邦,曾谦;基于主成分分析的特征简化[J];四川轻化工学院学报;1999年01期

相关会议论文 前10条

1 么彩莲;魏宁;;关于主成分分析的改进方法探讨[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 陈明星;缪柏其;靳韬;;利率影响因素的主成分分析与因子分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 孙晓东;胡劲松;焦s，

本文编号：2534645