基于多源监测数据的瓦斯涌出量GM(0,N)-ELM预测研究

为实现小样本监测数据条件下矿井瓦斯涌出量的短时精确预测,提出了一种基于灰色预测GM(0,N)模型和极限学习机(ELM)的瓦斯涌出量耦合预测模型.模型根据矿井瓦斯涌出量作用机理及影响因素相关性分析,确定预测模型的主要影响因素;利用GM(0,N)模型对矿井瓦斯涌出量进行预测,分离出涌出量趋势项和波动项;利用ELM模型对瓦斯涌出量波动项进行预测;将趋势项与波动项预测值之和作为瓦斯涌出量最终预测值,并与单一GM(0,N)和ELM模型的瓦斯涌出量预测结论进行比较,验证模型优越性.结果 表明,基于灰色预测GM(0,N)模型和极限学习机(ELM)的瓦斯涌出量耦合预测模型平均误差为0.1632m3/min,平均相对误差为2.056％,运行时间为4.33s,模型具有良好的辨识度,与实际结果有很好的一致性,能有效挖掘瓦斯涌出量时空演变的隐含规律,有效解释瓦斯涌出量与其影响因素间的非线性关系.