优化极限学习机的煤与瓦斯突出预测方法

作者：王雨虹; 孟瑶瑶^*; 付华; 屠乃威; 徐耀松

来源：控制工程, 2022, 29(11): 2131-2137.

DOI：10.14107/j.cnki.kzgc.20200594

• 煤与瓦斯突出
• 特征提取
• 自适应天牛须算法
• 极限学习机

为提高煤与瓦斯突出的预测精度、实现快速预测，提出了一种基于自适应天牛须搜索算法(ABAS)和极限学习机(ELM)的瓦斯突出预测模型ABAS-ELM。采用核主成分分析法(KPCA)对煤与瓦斯突出的高维、非线性特征进行提取，将提取后的主特征作为预测模型的输入，使用ABAS对ELM的输入权重和隐层偏差进行寻优，建立ABAS-ELM瓦斯突出预测模型，实现对瓦斯突出风险的预测。实验结果表明，与ELM、粒子群优化的极限学习机(PSO-ELM)和遗传算法优化的极限学习机(GA-ELM)预测模型相比，该方法在提高模型泛化能力和预测精度方面效果显著。

• 单位
  辽宁工程技术大学