基于小波KP CA与IQGA-ELM的煤与瓦斯突出预测研究

• 作者: 徐耀松 王治国 邱微
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 煤与瓦斯突出预测 小波核主成分分析 改进量子遗传算法 极限学习机
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 720-725
• 页数: 6页
• 分类号: TP183|TP212
• 字数: 5190字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.05.012

摘要

为有效预防煤与瓦斯突出灾害,针对煤与瓦斯突出预测精度和效率不高问题,提出基于小波核主成分分析(KPCA)和改进的极限学习机(IQGA-ELM)的煤与瓦斯突出预测方法.通过小波核主成分分析法对原始致突指标进行非线性降维处理,提取出致突指标主成分序列,将其作为极限学习机(ELM)网络神经的输入,利用改进量子遗传算法(IQGA)对ELM的输入层权值和隐含层阈值进行优化,建立小波KPCA-IQGA-ELM预测模型,模型的输出为煤与瓦斯突出强度的预测结果.研究结果表明,该模型泛化能力强,可以对煤与瓦斯突出强度进行有效预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
2	邱微	辽宁工程技术大学电气与控制工程学院	3	8	2.0	2.0
3	王治国	辽宁工程技术大学电气与控制工程学院	3	8	2.0	2.0