基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

发布时间：2017-09-12 23:12

  本文关键词：基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

  更多相关文章： IGSA-ELM模型 自相关系数法 瓦斯涌出量 ELM神经网络 万有引力算法

【摘要】：针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用IGSA对ELM神经网络的网络隐含层节点数进行寻优,利用自相关系数法筛选出回采工作面瓦斯涌出量的8个主要影响因素,建立基于IGSA-ELM算法的瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经IGSA优化后的ELM神经网络瓦斯涌出量预测模型与PSO-ELM神经网络、ACC-ENN和GSA-ELM神经网络预测模型相比,预测精度分别提高310%、60%、31%,为回采工作面瓦斯涌出量的预测提供了一种新的快速预测方法。
【作者单位】： 太原理工大学采煤工艺研究所;
【关键词】： IGSA-ELM模型 自相关系数法 瓦斯涌出量 ELM神经网络 万有引力算法
【基金】：国家自然科学基金资助项目(51174141;50974093)
【分类号】：TD712.5
【正文快照】： 随着开采深度的增加,煤矿瓦斯涌出量日益增大,对煤矿生产安全造成了巨大危害,如何准确预测煤矿回采工作面瓦斯涌出量,对保障煤矿安全生产,具有十分重要的经济和社会意义。现有的瓦斯涌出量预测方法主要有数学模型分析法、物理模拟法和人工智能预测法。周延[1-2]等采用数学方法

【参考文献】

中国期刊全文数据库 前3条

1 孙林;杨世元;;基于LS-SVM的回采工作面瓦斯涌出量预测[J];煤炭学报;2008年12期

2 吕伏;梁冰;孙维吉;王岩;;基于主成分回归分析法的回采工作面瓦斯涌出量预测[J];煤炭学报;2012年01期

3 黄为勇;童敏明;任子晖;;基于SVM的瓦斯涌出量非线性组合预测方法[J];中国矿业大学学报;2009年02期

【共引文献】

中国期刊全文数据库 前10条

1 张豪;罗亦泳;张立亭;;基于遗传支持向量机的城市扩张非线性组合模型[J];地理学报;2010年06期

2 孙庆巍;高磊;王辉;李永甫;丁宁;;粉煤灰品质主成分分析综合评价[J];辽宁工程技术大学学报(自然科学版);2013年06期

3 孙庆巍;高磊;赵华民;;大掺量粉煤灰混凝土强度的LS-SVM预测[J];辽宁工程技术大学学报(自然科学版);2013年07期

4 毕建武;贾进章;刘丹;;基于SPSS多元回归分析的回采工作面瓦斯涌出量预测[J];安全与环境学报;2013年05期

5 付华;王馨蕊;杨本臣;王志军;屠乃威;王雨虹;徐耀松;;基于MPSO-CWLS-SVM的瓦斯涌出量预测[J];传感技术学报;2014年11期

6 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

7 单亚锋;黄U，

本文编号：840092