谢国民, 黄睿灵, 刘明, 屠乃威
控制工程. 2020, 27(10): 1802-1806.
煤与瓦斯突出预测是一个复杂多因素的、非线性的高维问题,传统的预测方法存在预测精度不高,预测速度慢等不足。针对上述问题,提出了将地标等距特征映射(Landmarks Isometric Mapping, L-Isomap)理论与核极端学习机(Kernel Extreme Learning Machine, KELM)相结合应用到煤与瓦斯突出预测中的新方法。首先,采用 L-Isomap 进行非线性降维,完成特征提取;然后,用 KELM 来融合煤与瓦斯突出风险与致突因素组成的特征向量之间的非线性关系,建立煤与瓦斯突出预测的 L-Isomap-KELM 模型,并将其与极端学习机(ELM)预测模型相比。仿真结果表明:L-Isomap-KELM 预测模型能够达到97.31 %的准确率,并且运算速度快,还具有很好的泛化能力。