科创中国

基于P CA和P SO-ELM的煤与瓦斯突出软测量研究?

原文链接：万方

• 作者：

  付华,王馨蕊,王志军,王雨虹,屠乃威,徐耀松

• 摘要：

  针对煤与瓦斯突出预测效率和准确率不高这一问题,提出将主成分分析( PCA)法与改进的极端学习机( PSO-ELM)相结合的方法对煤与瓦斯突出进行预测。根据某煤矿地质动力区划方法,在划分活动断裂,岩体应力计算等工作基础上获取影响突出的相关数据;通过主成分分析法对原始数据进行降维处理,消除变量间的线性相关性;利用粒子群算法( PSO)对极端学习机( ELM)的输入权值和隐层阈值进行优化,建立PSO-ELM预测模型,将提取的主成分作为该模型的输入,煤与瓦斯突出强度作为模型输出。实验结果表明,该方法的预测精度高、结构简化,具有较强的泛化性能力强。

• 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

• 作者单位：

  辽宁工程技术大学电气与控制工程学院,辽宁 葫芦岛,125105%辽宁工程技术大学创新学院,辽宁 阜新,123000

• 基金项目：

  国家自然科学基金项目(51274118,70971059)%辽宁省科技攻关项目(2011229011)%辽宁省教育厅基金项目(L2012119)%辽宁工程技术大学研究生科研立项项目

• 来源期刊：

  传感技术学报

• 年，卷(期)：

  2014012