改进的极限学习机在煤与瓦斯突出预测中的应用

发布时间：2020-06-10 17:38

【摘要】：煤与瓦斯突出灾害一直是阻碍煤矿安全发展的重要因素,国内外许多专家学者也一直致力于煤与瓦斯突出方面的研究,并在煤与瓦斯突出事故预测领域总结出了诸多有效可行的方法策略。本文在充分的分析煤与瓦斯突出发生机理的基础上,深入的研究了影响煤与瓦斯突出的各种因素,提出了基于IGA算法优化的极限学习机模型并应用于煤与瓦斯突出预测。本文以煤与瓦斯突出预测为出发点,围绕以下几个方面的工作进行：(1)通过对当前煤与瓦斯诸多预测手段进行对比总结,分析当前该领域的研究进展以及存在的问题,在此基础上提出极限学习机应用到煤与瓦斯突出预测的研究方案。(2)在讨论煤与瓦斯突出机理及煤与瓦斯突出影响因素的基础上,提出了使用层次分析法对矿井影响煤与瓦斯突出的因素进行权重分析,并以此作为预测煤与瓦斯突出模型输入变量选取的依据。层次分析方法对模型输入变量的优化选取,去除冗余信息,提高了模型的精确度和计算效率。(3)通过对极限学习机结构及算法的分析,针对极限学习机输入权值和隐含层阈值随机选取的缺点引入免疫遗传算法(IGA)进行优化。通过wine数据集分类验证,表明IGA算法优化的极限学习模型提高了模型的稳定性及精确度。(4)通过对免疫遗传算法及极限学习机理论分析,构建煤与瓦斯突出预测模型。采用矿井实际监测数据进行模型验证,且验证结果证实了模型的有效性及精确性。与此同时,结合与支持向量机的验证对比,凸显了模型相对于其他预测模型的良好性能。
【图文】：

从表２．５可Ｗ看出，，影响该矿煤与瓦斯突出因素的权重由大到小依次为；瓦斯度、瓦斯压力、煤体坚固系数、地质构造、开采深度、煤层厚度、瓦斯含量、软、煤层倾角。通过图２．１的煤与瓦斯突出影响因素的柱形图可Ｗ更直观地表示对瓦斯突出因素的层次分析得出的权重排序，便于后续使用ＩＧＡ－ＥＬＭ模型预测该瓦斯突出输入向量的选取提供提供一定的科学依据ＰＷ。逡逑．逦邋逦邋■■邋＊■逦逦逦逡逑

图３．３支持向量机分类原理逡逑Ｆｉｇ．３．３邋Ｔｈｅ邋ｃｌａｓｓｉｆｉｃａｔｉｏｎ邋ｐｒｉｎｃｉｐｌｅ邋ｏｆ邋ｔｈｅ邋ｓｕｐｐｏｒｔ邋ｖｅｃｔｏｒ邋ｍａｃｈｉｎｅ＂0＂分别表示两类训练样本点，即支持向量；Ｈ两类的分类间隔；在二维空间中Ｈ称为最优分类。逡逑
【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】：2015
【分类号】：TD713;TP18

【参考文献】

相关期刊论文 前10条

1 王杰;李牧潇;;改进的极限学习机在癫痫脑电分类中的应用[J];计算机仿真;2014年06期

2 刘博文;王大尉;李华杰;舒龙勇;;基于层次分析法的煤与瓦斯突出指标研究[J];煤炭工程;2013年04期

3 刘士荣;李松峰;宁康红;周啸波;荣延泽;;基于极端学习机的光伏发电功率短期预测[J];控制工程;2013年02期

4 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

5 林晓华;冯毅雄;谭建荣;;基于免疫优化的产品系统可靠性参数区间预测方法[J];浙江大学学报(工学版);2013年06期

6 武峰雨;乐秀t

本文编号：2706627