基于EMD-PSO-SVM的煤矿瓦斯涌出量预测方法及应用

摘要：

为分析煤矿瓦斯涌出的非线性特性和准确预测瓦斯涌出量,基于经验模态分解(EMD)、支持向量机(SVM)和粒子群优化算法(PSO)的基本原理,建立预测瓦斯涌出量的EMD-PSO-SVM方法.分解瓦斯涌出时序数据,获得多个本征模态函数(IMF);对每个IMF分别建立PSO-SVM预测模型;累加各IMF预测值,获得瓦斯涌出量预测结果.以某矿2344回采工作面为例,分别运用EMD-PSO-SVM和PSO-SVM方法预测瓦斯涌出量,EMD-PSO-SVM预测精度较高,累加合成后的预测结果相对误差在±0.80％以内,平均相对误差为0.2445％;而未进行EMD的PSO-SVM方法预测平均相对误差为5.0019％.结果表明:PSO-SVM对平稳时间序列有较高预测精度,预测误差随振动周期增长和振幅减小而降低,EMD-PSO-SVM方法对非平稳时间序列预测有较强的适用性.

关键词：瓦斯涌出量、预测、经验模态分解(EMD)、支持向量机(SVM)、粒子群算法(PSO)

所属期刊栏目：24

分类号：X936(安全工程)

资助基金：国家自然科学基金资助51274100;湖南省教育厅科学研究项目14C0424,14B058;湖南省科技厅计划项目2012FJ4268.

在线出版日期：2014-10-08（万方平台首次上网日期，不代表论文的发表时间）

页码：43-49