基本信息
摘要：本发明提出一种基于PCA‑PSO‑ELM的瓦斯涌出量预测方法，该方法为：采用主成分分析法对瓦斯涌出量的影响因素数据进行处理，得到降维后的主成分数据，建立极限学习机，将降维后的主成分数据作为极限学习机的输入，采用粒子群优化算法优化极限学习机的隐含层神经元个数和激活函数的类型组合，得到瓦斯涌出量预测模型；对瓦斯涌出量进行预测，将测试数据集E输入作为瓦斯涌出量预测模型，得到瓦斯涌出量的预测值。本发明方法采用粒子群算法结合十折交叉验证对极限学习机中隐含层神经元个数及激活函数类型进行了组合优化，该方法减少了优化的参数，同时保证了模型具有良好的泛化性能。
摘要附图：
