基于PCA和PSO-ELM的煤与瓦斯突出软测量研究*
2014-09-06王馨蕊王志军王雨虹屠乃威徐耀松
传感技术学报 2014年12期
关键词:模型
付 华,王馨蕊,王志军,王雨虹,屠乃威,徐耀松
(1.辽宁工程技术大学电气与控制工程学院,辽宁 葫芦岛 125105;2.辽宁工程技术大学创新学院,辽宁 阜新 123000)
基于PCA和PSO-ELM的煤与瓦斯突出软测量研究*
付 华1*,王馨蕊1,王志军2,王雨虹1,屠乃威1,徐耀松1
(1.辽宁工程技术大学电气与控制工程学院,辽宁 葫芦岛 125105;2.辽宁工程技术大学创新学院,辽宁 阜新 123000)
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。
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
煤与瓦斯突出是发生在煤矿井下的特殊动力现象[1]。能在较短时间内向采场空间或巷道喷出大量的碎煤和瓦斯,可埋藏矿工,摧毁巷道设施,造成通风系统紊乱或瓦斯爆炸且容易造成地球气候变暖和对臭氧层的破坏[2-3]。长期以来,煤与瓦斯突出一直是威胁煤矿安全生产的主要危害之一[4]。因此,对煤与瓦斯突出事故进行及时、准确地预测是提高煤矿经济效益,保障矿井安全生产的关键。……
登录APP查看全文
