瓦斯浓度动态在线预测模型

为有效预测采煤工作面的瓦斯浓度,针对具有高度非线性、不确定性、时变性及复杂性的瓦斯浓度序列,提出在线序贯极限学习机理论的瓦斯浓度动态预测模型,该模型可以实时更新监测信息,并根据历史数据和当前数据进行模型的离线训练和在线学习以完成对未来时刻瓦斯浓度的动态预测.同时,引入自适应萤火虫算法优化预测模型参数.实验结果表明:该方法通过实时更新样本数据,降低了复杂度,耗时小,学习影射能力强.该模型的预测误差比BPNN和ELM网络模型低,具备良好的预测精度与更强的泛化能力.