基于在線SaE-ELM的煤礦多等級突水預測方法研究.pdf

1、突水事故是我國煤礦主要群死群傷特大事故之一，突水所造成的直接經濟損失一直排在各種煤礦災害之首。研究煤礦突水機理，建立快速準確的突水預測模型，是保障煤礦安全生產的重要途徑。
　　煤礦突水涉及到開采條件、水文地質、巖石特性等諸多因素，這些因素與突水之間構成了復雜的非線性關系，用傳統(tǒng)的數學理論與方法難以建立快速準確的預測模型。通過對已有煤礦突水預測方法的研究，分析比較各方法的優(yōu)點與不足，本文提出一種新的單隱層前饋神經網絡—在線自適應差分

2、進化極限學習機，用于煤礦突水預測模型的建立。
　　現有的許多研究只對是否突水進行預測，未涉及到對突水量范圍的預測，而不同突水量造成的損失與相應的應對措施不同。因此，本文按國家標準，根據最大突水量大小劃分突水類型，并實現對突水類型的預測，便于進行不同級別的安全預警。此外，在實際應用中，隨著時間的推移，舊模型可能不能滿足新預測的需要，而在線自適應差分進化極限學習機可以據新輸入更新輸出權值，實現網絡結構在線更新，具有精確、泛化與快速等特

3、性，在解決多分類問題方面顯示出較大的優(yōu)越性。
　　在研究分析煤礦突水機理與影響突水因素的基礎上，從眾多煤礦突水因素中選出主控因素。以 Matlab為實驗平臺，將我國淮北礦區(qū)歷史突水數據作為訓練與測試樣本，利用在線自適應差分進化極限學習機進行多等級突水預測模型建立，通過實驗調整網絡參數確定網絡結構，包括隱藏層節(jié)點數與激勵函數的選取。并將仿真結果與以往的突水預測方法進行比較分析，實驗結果表明，本文提出的方法在突水預測中預測精度高、速度