基于改进万有引力算法的KELM瓦斯涌出量预测

• 作者: 王凯君 王居尧
• 来源期刊: 煤
• 学科: 工学
• 关键词: 瓦斯涌出量 预测 改进万有引力 核极端学习机
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 试验研究
• 页码范围: 13-16
• 页数: 4页
• 分类号: TD712.5
• 字数: 3876字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2798.2020.05.004

摘要

针对瓦斯涌出量受其他因素的影响,并且存在着复杂的非线性关系,将核极端学习机与改进的万有引力算法相结合建立基于改进万有引力算法—KELM的瓦斯涌出量预测模型(IGSA-KELM瓦斯涌出量预测模型).首先将输入样本作为KELM网络的输入量,然后采用改进的万有引力搜索算法对KELM网络的核参数和输出权值寻优,优化KELM网络的性能.测试结果表明,基于该方法预测的绝对瓦斯涌出量误差在0.1 m3/min以内,提高了预测精度和预测效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王居尧		1	0	0.0	0.0
2	王凯君		1	0	0.0	0.0