基于EMD-PSO-SVM的煤矿瓦斯涌出量预测方法及应用

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EMDPSO-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。