基于极限学习机的采煤机功率预测算法研究

摘要：

为减少对领域专家的过分依赖,实现企业专家经验知识的继承,面向采煤机方案设计中总体技术参数的确定过程,结合采煤机条件属性与决策属性间的映射关系,提出了基于极限学习机的采煤机功率预测模型.采用遗传算法选定最佳隐层神经元个数,利用递进方式比选确定激励函数,随机产生输入权值及隐元偏置,由此计算隐层节点输出矩阵、隐层与输出层连接权重,进而完成建模与优化.模型可根据用户输入的不同原始设计条件输出采煤机功率的预测值.选用某煤机企业的实例数据进行算例分析,将其与基于支持向量机回归预测模型进行对比,实验结果表明,ELM模型可实现600 ms内完成单次功率预测,预测值与真实值平均相对误差在2.5％以内.其预测精度优于SVM模型,且在学习速度方面优势明显,推理效率显著提高.

关键词：采煤机、功率预测、极限学习机、支持向量机、模型推理

所属期刊栏目：41

分类号：TD421.6(矿山机械)

资助基金：国家留学基金资助项目201406935030;山西省科技重大专项资助项目20111101040;企业技术开发资助项目143060430-J

在线出版日期：2016-07-05（万方平台首次上网日期，不代表论文的发表时间）

页码：794-800