[发明专利]一种基于SaE-ELM的煤矿多等级突水预测方法

摘要

基于SaE-ELM(Self-Adaptive Evolutionary Extreme Learning Machine)的煤矿多等级突水预测方法。包括以下步骤：1.研究煤矿突水机理，选取导致煤矿突水主控因素；2.搜集大量煤矿底板突水历史数据作为样本数据，每组数据包含各主控因素以及最大突水量；3.将样本数据划分为训练集和测试集，分别应用于模型的训练与测试；4.使用SaE-ELM对样本数据进行训练，建立预测模型；5.利用测试集数据对煤矿突水预测模型进行测试，将得到的预测结果与其他算法相比较，若预测精度高、速度快，则将其作为可对煤矿是否突水以及突水程度进行预测的模型。

主权项

基于SaE‑ELM的煤矿多等级突水预测方法，其特征是：使用SaE‑ELM算法建立预测模型，SaE‑ELM是单隐层前馈神经网络，利用自适应差分进化算法优化输入权值与隐藏层偏差，通过最小二乘的方法将输出层权值计算出来，与以往算法相比，提高了训练和预测速度，并保证了较高的预测精确度，具体步骤如下：(1)研究煤矿突水机理，选取影响突水的主控因素；(2)搜集大量煤矿突水历史数据作为样本数据，每组数据包含各主控因素以及最大突水量；(3)根据《煤矿防治水规定》将最大突水量转化为突水类型，根据数据特征将所有样本数据分为二分量型和连续型，并对连续型数据进行归一化处理；(4)将样本数据划分为训练集和测试集，应于模型的训练与测试；(5)建立基于SaE‑ELM的预测模型；(6)将预测模型的测试结果与基于BP、SVM等算法的测试结果作比较，若预测精度高、速度快，则将其作为可对煤矿是否突水以及突水程度进行预测的模型。