基于HHT-CS-ELM的瓦斯涌出量时序预测

• 作者: 王永文
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 绝对瓦斯涌出量 Hilbert变换 布谷鸟搜索算法 极限学习机 时序预测
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 试验·研究
• 页码范围: 5-8
• 页数: 4页
• 分类号: TD713
• 字数: 2602字
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2017.09.002

摘要

为有效挖掘瓦斯涌出量监测数据隐含特征,预防瓦斯动力灾害,基于希尔伯特-黄变换(HHT)方法、布谷鸟搜索算法(CS)和极限学习机(ELM)基本理论,构建了瓦斯涌出量的HHT-CS-ELM动态预测模型.通过EMD将样本序列分解成多个不同频率的本征模态函数(IMF)分量;利用Hilbert变换获取各分量的瞬时频率,并据此将IMF分量划分成较高频和低频,采用不同的预测模型进行预测,经叠加各预测值得到最终预测结果.以汾西矿业集团某矿瓦斯涌出量监测数据为例进行仿真实验,结果表明:HHT方法能有效降低数据复杂度,其最小相对误差为0.144％,最大相对误差为0.388％,平均相对误差为0.281％,具有较高的预测精度和泛化能力;更好地适用于非平稳时间序列预测.