基于P CA和P SO-ELM的煤与瓦斯突出软测量研究?

• 作者: 付华 屠乃威 徐耀松 王志军 王雨虹 王馨蕊
• 来源期刊: 传感技术学报
• 学科: 工学
• 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
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 传感器应用
• 页码范围: 1710-1715
• 页数: 6页
• 分类号: TP39|TP183|TP212
• 字数: 5619字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2014.12.023

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付华	辽宁工程技术大学电气与控制工程学院	242	1698	20.0	28.0
2	徐耀松	辽宁工程技术大学电气与控制工程学院	56	401	12.0	18.0
3	王雨虹	辽宁工程技术大学电气与控制工程学院	26	188	8.0	13.0
4	王馨蕊	辽宁工程技术大学电气与控制工程学院	7	64	4.0	7.0
5	王志军	辽宁工程技术大学创新学院	4	59	3.0	4.0
6	屠乃威	辽宁工程技术大学电气与控制工程学院	10	112	5.0	10.0