基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

被引：15

作者：

卢国斌 ^{[1
,2
]}

李晓宇 ^{[1
,2
]}

祖秉辉 ^{[3
]}

董建军 ^{[3
]}

机构：

[1] 辽宁工程技术大学矿业学院

[2] 矿山热动力灾害与防治教育部重点实验室

[3] 辽宁工程技术大学矿业技术学院

来源：

中国安全生产科学技术 | 2017年 / 13卷 / 06期

关键词：

绝对瓦斯涌出量; 经验模态分解; 修正果蝇算法; 极限向量机; 多尺度;

D O I：

暂无

中图分类号：

TD712.5 []; TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解（EMD）、修正的果蝇优化算法（MFOA）和极限学习机（ELM）基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数（IMF）;采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。

引用

页码：109 / 114

页数：6

共 15 条

[1]

一种改进的极限学习机煤与瓦斯突出预测模型 [J].