›› 2016, Vol. 38 ›› Issue (1): 49-53.doi: 10.16507/j.issn.1006-6055.2016.01.011
李兵，1 张春华2，3 李心杰1 王雪峰1
摘要：
为进一步提高矿井瓦斯涌出量的预测效率和精度，将主成分分析法（PCA）和极限学习机（ELM）神经网络相结合，建立基于PCA-ELM的矿井瓦斯涌出量预测模型。运用主成分分析法对矿井瓦斯涌出量影响因素样本进行主成分提取，去除各变量之间的线性相关，得到降维后的有效因子。再将这些有效因子作为ELM神经网络的输入层进行训练和预测，借助ELM神经网络不需较多参数调整、学习速度快、泛化性能好的特点，进行快速准确的预测。利用某典型矿井的实测数据进行实例分析，PCA-ELM方法预测的最大误差为0.2589，最小误差为0.0312，平均误差为0.1370，结果表明该预测模型预测速度快、精度高，能够用于矿井瓦斯涌出量预测。
中图分类号:
