声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1155/P
国际刊号：1001-1986
发布日期:
作者：任海峰, 严由吉, 吴青海,
关键词：瓦斯涌出量, 分源预测, 主成分分析法, 极限学习机(ELM), 模拟退,
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，将新疆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。
来源：2021年第2期
《煤田地质与勘探》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。