西安科技大学学报

2020, v.40;No.175(05) 839-845

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

小波-极限学习机在瓦斯涌出量时变序列预测中的应用
Application of wavelet-extreme learning machine in time-varying series prediction of gas emission quantity

肖鹏;谢行俊;双海清;刘朝阳;王海宁;徐经苍;马军红;

摘要(Abstract):

针对煤矿瓦斯涌出量预测中经常出现变量难以获取等问题,为了提高瓦斯涌出量的预测精度和可靠性,提出将小波包分解方法与极限学习机相结合,构建瓦斯涌出量的小波-极限学习机时变预测模型。首先,通过小波包分解重构将瓦斯涌出量时变序列分解成高、低频率不同的分量,然后采用极限学习机对小波包分解重构后的时间序列进行预测,再叠加预测值,得到最终的预测结果。以山西天池煤矿某工作面瓦斯涌出量监测时序样本为例,为体现模型的优越性,设置2个对照模型,即小波-BP模型和未经小波处理的极限学习机模型。结果表明:该模型预测相对误差为0.42%~10.45%,平均相对误差仅为2.50%,小波-BP模型的预测相对误差为0.33%~7.33%,平均相对误差为3.42%,未经小波处理的极限学习机模型的预测相对误差为1.59%~13.09%,平均相对误差为4.25%,小波-极限学习机模型的预测精度和泛化能力均高于对照模型;小波包分解重构方法的引入能有效降低数据复杂度,大幅度提高预测精度,为瓦斯涌出量时变序列的预测提供了新的思路。

关键词(KeyWords): 瓦斯涌出量预测;时变序列;小波包分解;极限学习机;预测精度

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(51774235,51904238);; 陕西省自然科学基础研究计划项目(2020JM-530,2019JQ-337);; 陕西省教育厅专项科学研究计划项目(19JK0534)

作者(Author): 肖鹏;谢行俊;双海清;刘朝阳;王海宁;徐经苍;马军红;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2020.0512

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享