10.13347/j.cnki.mkaq.2017.09.002
基于HHT-CS-ELM的瓦斯涌出量时序预测
为有效挖掘瓦斯涌出量监测数据隐含特征,预防瓦斯动力灾害,基于希尔伯特-黄变换(HHT)方法、布谷鸟搜索算法(CS)和极限学习机(ELM)基本理论,构建了瓦斯涌出量的HHT-CS-ELM动态预测模型.通过EMD将样本序列分解成多个不同频率的本征模态函数(IMF)分量;利用Hilbert变换获取各分量的瞬时频率,并据此将IMF分量划分成较高频和低频,采用不同的预测模型进行预测,经叠加各预测值得到最终预测结果.以汾西矿业集团某矿瓦斯涌出量监测数据为例进行仿真实验,结果表明:HHT方法能有效降低数据复杂度,其最小相对误差为0.144％,最大相对误差为0.388％,平均相对误差为0.281％,具有较高的预测精度和泛化能力;更好地适用于非平稳时间序列预测.
绝对瓦斯涌出量、Hilbert变换、布谷鸟搜索算法、极限学习机、时序预测
48
TD713(矿山安全与劳动保护)
2017-11-14（万方平台首次上网日期，不代表论文的发表时间）
共4页
5-8
