基于SAPSO-ELM的瓦斯涌出量分源预测及应用-论文

【文件属性】：
文件名称：基于SAPSO-ELM的瓦斯涌出量分源预测及应用-论文
文件大小：665KB
文件格式：PDF
更新时间：2021-07-07 21:34:11
瓦斯涌出量 分源预测 主成分分析法 极限学习机(ELM) 模拟退火粒子群算法(SAPSO) 为了提高瓦斯涌出量预测精度，针对瓦斯涌出量影响因素的多重相关性、复杂性等问题，结合主成分分析法和分源预测理论，对开采层、邻近层、采空区的瓦斯涌出量数据分别进行主成分分析降维，得到预测指标。针对极限学习机(ELM)存在的输入权值矩阵与隐含层阈值随机生成的问题，利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优，将*某煤矿回采工作面瓦斯涌出量及影响因素作为SAPSO-ELM模型的输入进行训练，再利用训练好的SAPSO-ELM模型对陕西某煤矿回采工作面的瓦斯涌出量进行验证预测，并对比原始ELM模型的预测结果。结果表明，SAPSO-ELM模型的平均相对误差为3.45%，ELM模型的平均相对误差为8.81%，与ELM模型相比，SAPSO-ELM模型预测精度及效率均优于原始ELM模型。分源预测理论和主成分分析法的结合有效解决了多因素间的多重相关性并降低了预测模型的复杂度，SAPSO-ELM预测模型实现了瓦斯涌出量的快速精准预测，对预防瓦斯事故发生和保障煤矿安全高效开采具有较好的指导作用。