基于CSABC-ELM的采煤工作面瓦斯涌出量预测

• 作者: 万波俊 刘万顺 刘道生 王海峰 陈强
• 来源期刊: 工业安全与环保
• 关键词: 瓦斯涌出量 混沌搜索 人工蜂群算法 极端学习机 预测模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 安全技术及工程
• 页码范围: 43-46,102
• 页数: 5页
• 字数: 3602字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-425X.2019.01.011

摘要

为了提高煤矿工作面瓦斯涌出量的预测精度,研究一种将极端学习机(ELM)与利用混沌搜索策略改进的人工蜂群(CSABC)算法相结合的预测方法.改进后的人工蜂群算法有效解决了ABC算法易陷入局部最优、后期收敛慢等缺陷,利用CSABC优化ELM的输入层和隐含层参数,避免了随机产生ELM参数所造成的误差,建立基于CSABC-ELM的瓦斯涌出量预测模型.利用实际煤矿监测数据对该模型进行试验分析,并与ABC-ELM,ELM和BP神经网络的预测结果进行比较.结果表明,CSABC-ELM预测误差更小,精度更高,泛化性能也更强,能有效地对煤矿瓦斯涌出量进行预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈强	江西理工大学电气工程与自动化学院	52	232	9.0	13.0
2	刘万顺	江西理工大学电气工程与自动化学院	3	2	1.0	1.0
3	刘道生	江西理工大学电气工程与自动化学院	8	7	2.0	2.0
4	王海峰	江西理工大学电气工程与自动化学院	2	2	1.0	1.0
5	万波俊	江西理工大学电气工程与自动化学院	2	2	1.0	1.0