為有效挖掘瓦斯涌出量監(jiān)測(cè)數(shù)據(jù)隱含特征,預(yù)防瓦斯動(dòng)力災(zāi)害,基于希爾伯特-黃變換(HHT)方法、布谷鳥搜索算法(CS)和極限學(xué)習(xí)機(jī)(ELM)基本理論,構(gòu)建了瓦斯涌出量的HHT-CSELM動(dòng)態(tài)預(yù)測(cè)模型。通過(guò)EMD將樣本序列分解成多個(gè)不同頻率的本征模態(tài)函數(shù)(IMF)分量;利用Hilbert變換獲取各分量的瞬時(shí)頻率,并據(jù)此將IMF分量劃分成較高頻和低頻,采用不同的預(yù)測(cè)模型進(jìn)行預(yù)測(cè),經(jīng)疊加各預(yù)測(cè)值得到最終預(yù)測(cè)結(jié)果。以汾西礦業(yè)集團(tuán)某礦瓦斯涌出量監(jiān)測(cè)數(shù)據(jù)為例進(jìn)行仿真實(shí)驗(yàn),結(jié)果表明:HHT方法能有效降低數(shù)據(jù)復(fù)雜度,其最小相對(duì)誤差為0.144%,最大相對(duì)誤差為0.388%,平均相對(duì)誤差為0.281%,具有較高的預(yù)