基于改进PCA-ELM的煤与瓦斯突出软测量研究

发布时间：2017-07-04 00:07

  本文关键词：基于改进PCA-ELM的煤与瓦斯突出软测量研究

  更多相关文章： 煤与瓦斯突出 软测量 主成分分析 粒子群优化算法 极端学习机

【摘要】：煤与瓦斯突出是一种矿井动力灾害,严重威胁着煤矿安全生产和人员生命财产安全,因此是煤矿要重点防控对象之—。本文在充分的分析煤与瓦斯突出发生机理的基础上,深入的研究了影响突出的各种因素,提出了基于改进PCA-ELM的软测量模型,应用于煤与瓦斯突出预测。本文以煤与瓦斯突出软测量为出发点,围绕建模过程中的几个关键技术问题,主要进行了以下几个方面的工作：(1)全面分析煤与瓦斯突出机理和主要影响因素,并探讨和分析了影响其精确性的主要因素：数据采集、数据预处理、辅助变量选择、建模方法等。(2)通过对数据预处理和辅助变量选择两个关键技术问题,研究提高煤与瓦斯突出软测量精度和可行性的方法：数据预处理方面,对采集到的数据进行误差分析与处理；辅助变量选取方面,引入主成分分析理论进行优化选取,降低维数,去除冗余信息,提高模型的精确度和计算效率。(3)由于极端学习机的输入权值和隐含层的阂值是随机确定的,对极端学习机产生不确定性影响。利用粒子群优化算法优化选取极端学习机的输入权值和隐含层阈值,对极端学习机算法进行改进,并采用改进的ELM算法进行软测量建模,并与BP神经网络、ELM的建模方法进行性能比较。结果显示基于改进PCA-ELM算法的软测量模型具有稳定性高、泛化性能强和预测能力好等优点。
【关键词】：煤与瓦斯突出 软测量 主成分分析 粒子群优化算法 极端学习机
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD713
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 绪论10-18
• 1.1 课题背景和意义10
• 1.2 国内外研究现状10-15
• 1.2.1 煤与瓦斯突出机理研究现状10-12
• 1.2.2 煤与瓦斯突出预测研究现状12-15
• 1.3 本文研究内容与结构安排15-18
• 1.3.1 主要研究内容15-16
• 1.3.2 文章结构安排与技术路线16-18
• 2 软测量理论基础18-27
• 2.1 引言18
• 2.2 软测量原理18-19
• 2.3 软测量模型的实现19-21
• 2.3.1 辅助变量的选择19-20
• 2.3.2 数据预处理20-21
• 2.3.3 建模方法的选择21
• 2.3.4 软测量模型的校正21
• 2.4 软测量建模方法21-25
• 2.5 软测量研究发展趋势25-26
• 2.6 本章小节26-27
• 3 煤与瓦斯突出软测量模型的辅助变量选取27-41
• 3.1 煤与瓦斯突出的影响因素27-30
• 3.1.1 瓦斯因素27-28
• 3.1.2 地应力因素28-29
• 3.1.3 地质构造29
• 3.1.4 煤层厚度29
• 3.1.5 煤体结构和煤质29-30
• 3.2 数据处理30-32
• 3.2.1 误差处理30-31
• 3.2.2 数据标准化31-32
• 3.3 主成分分析法的原理32-36
• 3.3.1 主成分分析法的原理32
• 3.3.2 主成分分析法的数学模型32-33
• 3.3.3 主成分分析的几何解释33-34
• 3.3.4 主成分分析法步骤34-36
• 3.4 煤与瓦斯突出辅助变量选取36-40
• 3.4.1 数据采集与预处理36-38
• 3.4.2 主成分分析38-40
• 3.5 本章小节40-41
• 4 改进PCA-ELM的煤与瓦斯突出预测41-55
• 4.1 极端学习机理论41-45
• 4.1.1 极端学习机的提出41-42
• 4.1.2 单隐层前馈神经网络42-43
• 4.1.3 极端学习机算法描述43-45
• 4.2 粒子群优化算法45-49
• 4.2.1 粒子群算法基本原理45-46
• 4.2.2 粒子群算法参数选取46-48
• 4.2.3 粒子群算法流程48-49
• 4.3 粒子群优化极端学习机49-50
• 4.4 PSO-ELM性能分析50-52
• 4.5 改进PCA-ELM在煤与瓦斯软测量中的应用52-54
• 4.6 本章小节54-55
• 5 结论与展望55-56
• 5.1 本文总结55
• 5.2 展望55-56
• 参考文献56-59
• 作者简历59-61
• 学位论文数据集61

【参考文献】

中国期刊全文数据库 前10条

1 梁冰;秦冰;孙维吉;王少远;石迎爽;;智能加权灰靶决策模型在煤与瓦斯突出危险评价中的应用[J];煤炭学报;2013年09期

2 许新征;丁世飞;杨胜强;赵作鹏;吴祥;;煤与瓦斯突出的PCA-BP神经网络预测模型研究[J];计算机工程与应用;2011年28期

3 杨敏;汪云甲;程远平;;煤与瓦斯突出预测的改进差分进化神经网络模型研究[J];中国矿业大学学报;2009年03期

4 王峰;邢科义;徐小平;;系统辨识的粒子群优化方法[J];西安交通大学学报;2009年02期

5 朱玉;张虹;苏成;;基于免疫遗传算法的煤与瓦斯突出预测研究[J];中国矿业大学学报;2009年01期

6 撒占友;何学秋;王恩元;;煤与瓦斯突出危险性电磁辐射异常判识方法[J];煤炭学报;2008年12期

7 付建华;程远平;;中国煤矿煤与瓦斯突出现状及防治对策[J];采矿与安全工程学报;2007年03期

8 陈国初;俞金寿;;两群微粒群优化算法及其应用[J];控制理论与应用;2007年02期

9 ;Endpoint Prediction of EAF Based on Multiple Support Vector Machines[J];Journal of Iron and Steel Research(International);2007年02期

10 陈曦;蒋加伏;;免疫粒子群优化算法求解旅行商问题[J];计算机与数字工程;2006年06期

，

本文编号：515657