基于CSABC-ELM的采煤工作面瓦斯涌出量预测

论文摘要

为了提高煤矿工作面瓦斯涌出量的预测精度,研究一种将极端学习机（ELM）与利用混沌搜索策略改进的人工蜂群（CSABC）算法相结合的预测方法。改进后的人工蜂群算法有效解决了ABC算法易陷入局部最优、后期收敛慢等缺陷,利用CSABC优化ELM的输入层和隐含层参数,避免了随机产生ELM参数所造成的误差,建立基于CSABC-ELM的瓦斯涌出量预测模型。利用实际煤矿监测数据对该模型进行试验分析,并与ABC-ELM,ELM和BP神经网络的预测结果进行比较。结果表明,CSABC-ELM预测误差更小,精度更高,泛化性能也更强,能有效地对煤矿瓦斯涌出量进行预测。

论文目录

• 0 引言
• 1 基本原理
•   1.1 极端学习机 （ELM）
•   1.2 引入混沌搜索策略的人工蜂群算法 （CSABC）
•   1.3 CSABC算法优化ELM参数模型
• 2 基于CSABC-ELM的绝对瓦斯涌出量预测模型
•   2.1 预测样本参数的选取及处理
•   2.2 预测实验及效果分析
• 3结论

文章来源

类型: 期刊论文

作者: 陈强,王海峰,万波俊,刘道生,刘万顺

关键词: 瓦斯涌出量,混沌搜索,人工蜂群算法,极端学习机,预测模型

来源: 工业安全与环保 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 矿业工程,安全科学与灾害防治,自动化技术

单位: 江西理工大学电气工程与自动化学院

基金: 国家自然科学基金(51767008),江西省自然科学基金(20161BAB206140)

分类号: TD71;TP18

页码: 43-46+102

总页数: 5

文件大小: 290K

下载量: 77