李 彪，高 莉，王洪艳

宿州学院1.机械与电子工程学院;2.教务处，安徽宿州，234000

瓦斯异常涌出是造成煤矿安全事故的重要因素，瓦斯涌出量是作为预测评判瓦斯爆炸灾害等级的依据，准确的预测结果能有效地采取防治措施，防止重特大事故的发生，因此，对瓦斯涌出量的预测有着重要的研究意思。近年来，国内外众多学者在瓦斯涌出量预测方面做了大量研究，在预测方法上主要集中在基于神经网络的预测、基于灰色理论的预测、基于支持向量机的预测、基于混沌时间序列的预测及其他预测方法，其中以BP神经网络模型作为预测模型的核心居多。BP神经网络可实现复杂非线性映射，且能够解答内部机制复杂的问题等优点得以广泛应用。比如，用在基于小波径向基函数神经网络的时间序列预测方法中[1-2]，结合小波分析提高了预测精度，但是对象单一；用在结合遗传退火的神经网络模型中[3]，预测精度有待提高；将粒子计算方法结合神经网络构建预测模型[4-5]，同样存在对象单一现象。

BP神经网络作为瓦斯涌出量预测的核心算法，存在收敛性差及容易陷入局部最优解的不足，特别是网络初始权值和阈值选取不当，会对网络性能产生很大的影响[6]。基于遗传算法发展起来的思维进化算法在非数值优化、图像处理、自动控制及经济预测等领域得到广泛的关注和应用。粒子群算法(PSO)具有快速收敛、易于实现等特点，将PSO和MEA算法相结合，将PSO应用于MEA算法的趋同操作中，有利于收敛速度的提升，提高预测精度，同时弥补陷入局部最优的不足。……