基于P CA和P SO-ELM的煤与瓦斯突出软测量研究.pdfVIP

第27卷 第 l2期 传 感 技 术 学 报 Vo1．27 No．12 2014年 l2月 CHINESEJOURNALOFSENSORSANDACTUATORS Dec．2014 ResearchontheSoftSensorofCoalandGasOutburstBasedonPCAandPSO．ELM Hua ， ⅣGXinrui， ⅣGZhijun。， ⅣGYuhong ， Naiwei， Yaosong (1．SchoolofElectricalandControlEngineering，LiaoningTechnicalUniversity，HuludaoLiaoning125105，China； 2．SchoolofInnovation，LiaoningTechnicalUniversity，FuxinLiaoning123000，China) Abstract：Inordertosolvetheproblemsoflow efficiencyandaccuracyofthecoalandgasoutburstprediction，in thepaper，primarycomponentanalysis(PCA)combinedwithimprovedextremelearningmachine(PSO-ELM) methodforpredictionofthecoalandgasoutburstisproposed．Accordingtoacoalminegeologydynamicdivision method，prominentinfluencedrelevantdataisacquiredbythebasicworkofdivisionsofactivefaultsandrockmass stresscalculation．Through theprimary componentanalyzemethod toreduce thedimension oftheoriginaldata， eliminatethelinearcorrelationvolume．Usingparticleswarmoptimization(PSO)tooptimizetheinputweightsand hiddenlayerthresholdofextremelearningmachine(ELM)，establishPSO-ELM predictionmodel，treatthe extractiveprincipalcomponentsastheinputofthepredictionmodel，theoutburstintensityofcoaland gasasthe modeloutput．Theresultsshow thatthemethodhashig【h accuracyoftheprediction，simplification ofthemodel structureandstronggeneralizationperformance． Keywords：coalandgasoutburst；soft-sensor；principlecomponentanalysis；particleswarm optimization；extreme learningmachine EEACC：7230 doi：10．3969／j．issn．1004—1699．2014．12．023 基于 PCA和 PSO—ELM的煤与瓦斯突出软测量研究冰 付 华 ，王馨蕊 ，王志军 ，王雨虹 ，屠乃威 ，徐耀松 (1．辽宁工程技术大学电气与控制工程学院，辽宁 葫芦岛 125105；2．辽宁工程技术大学创新学院，辽宁 阜新 123000) 摘 要 ：针对煤与瓦斯突出预测效率和准确率不高这一问题，提出将主成分分析(PCA)法与改进的极端学习机(PSO．ELM) 相结合的方法对煤与瓦斯突出进行预测。根据某煤矿地质动力区划方法，在划分活动断裂 ，岩体应力计算等工作基础上获取 影响突出的相关数据 ；通过主成分分析法对原始数据进行降维处理，消除变量间的线性相关性；利用粒子群算法(PSO)对极端 学习机 (ELM)的输人权值和隐层阈值进行优化，建立PSO—ELM预测模型，将提取的主成分作为该模型的输入 ，煤与瓦