基于Pearson相关检验的EMD-ELM瓦斯涌出量时序预测研究

摘要

为分析地质条件和开采条件等相关因素对煤矿瓦斯涌出量时间序列的影响,挖掘小样本条件下多源监测信息与呈非线性特征的瓦斯涌出量之间的关系,实现瓦斯涌出量的精准预测,在时间序列理论基础上,选用经验模态分解(EMD)法和极限学习机(ELM)构建基于监测信息的瓦斯涌出量EMD-ELM多源时变预测模型。对于小样本监测数据,采用Pearson相关检验选定主要瓦斯涌出量影响因素,通过EMD深层分解瓦斯涌出量监测序列,求出瓦斯涌出量本质模函数(IMF),提取瓦斯涌出量非线性时间序列的样本特征,以及对应瓦斯涌出量序列的高频波动项和低频趋势项;对各项分量分别建立极限学习机预测模型,将分量预测结果等权求和作为瓦斯涌出量的最终预测值。以某煤矿瓦斯涌出量监测样本作为检验数据,检验结果显示经验模态分解能有效简化数据,模型均方误差为0.017,模型精度和泛化能力相比直接预测有所提高。