›› 2014, Vol. 36 ›› Issue (6): 638-642.doi: 10.3969/j.issn.1006-6055.2014.06.006
侯东毅，1，2 董晓雷1，2
摘要：
为了对煤矿井下瓦斯涌出量进行预测，采用粗糙集与改进极限学习机相结合的方法，在样本数据的筛选上吸取粗糙集数据约简的优点，充分利用极限学习机训练速度快、具有良好泛化性能的特点，并结合遗传算法选择最优的输入权值矩阵和隐含层偏差，避免随机产生所造成的误差。利用编写程序确定隐含层神经元个数，比依靠经验更为准确。在实际应用中选取煤层瓦斯含量、煤层埋藏深度、煤层厚度、煤层间距、工作面日产量五个因素作为预测的影响参数。研究结果表明：该预测模型预测的最大相对误差为5.6871%，最小相对误差为0，平均相对误差为2.5827%，相比改进前的预测模型具有更强的泛化能力和更高的预测精度。
中图分类号:
