矿井涌水量预测的PCA-GA-ELM模型及应用

来源：黄金科学技术杂志2017年第1期北京时间：

作者：刘志祥,刘奕然,兰明

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：为了快速有效地预测矿井涌水量，并进一步提高预测的准确性，在分析矿井涌水量影响因素的基础上，提出一种将主成分分析法（PCA）、遗传算法（GA）与极限学习机（ELM）相结合的矿井涌水量预测新方法。根据矿井涌水实例数据，综合选取9个主要因素作为矿井涌水量的预测指标，通过PCA对数据进行降维预处理，并针对ELM算法的不足，结合GA算法对其进行优化训练，建立矿井涌水量预测的PCA-GA-ELM模型。对模型进行训练及检验，并将PCA-GA-ELM模型与GA-ELM模型、单一ELM模型的预测结果进行对比分析，其预测结果与实际情况更吻合。该模型预测效果优于GA-ELM模型和ELM模型，可对矿井涌水量进行更准确有效的预测，提供科学的参考依据，指导矿山生产。

关键词：矿井涌水量,主成分分析,遗传算法,ELM模型,预测

基金资助：国家自然科学基金项目“冲击载荷下岩石节理本构方程及其对应力波传播的影响”（编号：41372278）、“金属矿海底基岩开采裂隙分形演化与突水混沌孕育机制”（编号：51674288）和国家科技支撑计划项目“复杂地下金属矿二步开采与回收技术”（编号：2013BAB02B05）联合资助