构造煤厚度与瓦斯突出动力灾害正相关。现有研究主要关注构造煤分布的定性预测，不能满足煤矿开采的安全需求。
本次，作者利用极限学习机(ELM)、主成份分析(PCA)和常规地震属性等技术和方法，结合阳泉矿务局新景矿某采区实际情况，提出了一种定量估计采区构造煤厚度分布的技术和方法。首先，通过建立楔形地质概论模型，正演模拟含构造煤地震剖面。提取煤层反射波地震属性的主成份，随机划分训练集和预测集，利用极限学习机进行训练和预测，发现极限学习机可以在信噪比较低时准确预测构造煤厚度。其次，以井旁道数据为输入，利用极限学习机预测实际采区构造煤厚度分布。发现当选取PCA1和PCA3为数据输入，Sigmoid函数为核函数时，极限学习机预测的采区构造煤厚度分布最接近实际情况。此时，隐含节点数为“10”，明显区别与正演模型数据的“20”。
由于极限学习机的权系数随机产生，可以避免了常规神经网络方法的过拟合问题，预测结果可靠性高。对于实际采区来说，输入属性、核函数和隐含节点数等参数可能差别较大，必须通过测试获得。
陈同俊教授为本文的通讯作者，共同作者为计算机学院的王新副教授、南昆士兰大学的李燕教授、计算机学院的阎秋燕副教授和陕西省煤田地质局的马丽高工。该研究主要受国家自然科学基金重点项目和面上项目资助。论文链接：http://www.sciencedirect.com/science/article/pii/S0098300417301206?via%3Dihub
图1 研究采区底板等高线图
图2 极限学习机结构示意图
(a) (b)
图3 单个PCA属性优选(a)和多个PCA属性组合优选(b)
(a) (b)
(c) (d)
图4 PCA1属性(a)，PCA3属性(b)，预测构造煤厚度(c)和预测结果对比(d)
