矿井涌水量预测的PCA-GA-ELM模型及应用

摘要：

为了快速有效地预测矿井涌水量,并进一步提高预测的准确性,在分析矿井涌水量影响因素的基础上,提出一种将主成分分析法(PCA)、遗传算法(GA)与极限学习机(ELM)相结合的矿井涌水量预测新方法.根据矿井涌水实例数据,综合选取9个主要因素作为矿井涌水量的预测指标,通过PCA对数据进行降维预处理,并针对ELM算法的不足,结合GA算法对其进行优化训练,建立矿井涌水量预测的PCA-GA-ELM模型.对模型进行训练及检验,并将PCA-GA-ELM模型与GA-ELM模型、单一ELM模型的预测结果进行对比分析,其预测结果与实际情况更吻合.该模型预测效果优于GA-ELM模型和ELM模型,可对矿井涌水量进行更准确有效的预测,提供科学的参考依据,指导矿山生产.

关键词：矿井涌水量、主成分分析、遗传算法、ELM模型、预测

所属期刊栏目：25

分类号：X935(安全工程)

资助基金：国家自然科学基金项目"冲击载荷下岩石节理本构方程及其对应力波传播的影响"41372278;"金属矿海底基岩开采裂隙分形演化与突水混沌孕育机制"51674288;国家科技支撑计划项目"复杂地下金属矿二步开采与回收技术"2013BAB02B05

在线出版日期：2017-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：61-67