基于PCA PSO ELM的瓦斯涌出量预测 论文

为了更加准确有效地预测瓦斯涌出量，提出采用主成分分析结合粒子群算法、极限学习机的瓦斯涌出量预测方法。极限学习机中隐含层节点数量及激活函数的类型由粒子群算法进行组合优化。这种方法在诸如基于粒子群优化的极限学习机中得到了应用和验证。

在实验过程中，综合考虑影响回采工作面瓦斯涌出量的13个因素，对沈阳某煤矿的历史数据进行分析。采用主成分分析对数据进行降维，消除指标数据之间的相关性。随后，将降维后的数据划分为训练集和测试集两部分。通过设计粒子群算法的惯性权重，结合十折交叉验证，对极限学习机的两个参数进行优化。最终，选择最优参数组合建立了预测模型。相关研究还可以参考粒子群优化极限学习机PSO-ELM预测模型。