技术特征：
1.一种基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，包括以下步骤：s1，通过对矿井主通风机切换过程的分析，得到影响井下供给风量变化的一组变量，并将其作为数据驱动的井下供给风量模型的输入；s2，设置模型的初始化参数；s3，根据迭代学习中网络残差的特性，建立一个新的约束条件来产生一组候选隐含层节点；s4，从候选隐含层节点中选择一个质量最好的作为新增隐含层节点；s5，将2范数正则项引入到二次损失函数中，采用全局正则化最小二乘法来更新整个网络的输出权值，直至达到所设定的最大隐含层节点数或者满足可接受的容忍度时建模结束，得到基于正则化增量式随机权网络的井下供给风量估计模型。2.根据权利要求1所述的基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，所述步骤s1包括：将与井下供给风量关联性最强的一组变量作为模型的输入变量，包括：两台主通风机水平风门风阻r
1s
和r
2s
、垂直风门风阻r
1c
和r
2c
、压头h
1d
和h
2d
以及地下矿井风阻r0，输出变量为井下供给风量。3.根据权利要求1所述的基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，所述步骤s2包括：给定模型训练所需要的参数，包括：最大隐含层节点数l
max
，正则化系数c，隐性参数配置次数t
max
，可容忍误差ε，学习参数r，调节因子γ，隐性参数选取范围υ：＝{λ
min
:δλ:λ
max
}，记模型的初始隐含层节点数为θ1、残差为e0，并令e0为样本的输出t，模型的训练从θ1开始，一个一个地添加隐含层节点。4.根据权利要求1所述的基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，所述步骤s3包括：当添加第k个隐含层节点时，分别从可变对称区间[
‑
λ λ]
d
和[
‑
λ λ]中随机产生隐性参数和将生成的隐性参数代入激活函数，建立第k个隐含层节点的输出矩阵：将满足如下不等式约束的新增隐含层节点作为候选隐含层节点：ξ
k
≥0其中，5.根据权利要求1所述的基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，所述步骤s4包括：计算候选隐含层节点所对应的ξ
k
，得到一组变量，即从所述一组变量中找到最大ξ
k
所对应的隐性参数，并将其作为满足不等式约束的最佳
隐性参数和若生成的隐性参数不满足约束条件，则需要对学习参数r进行调节：增加r的值，来放宽约束条件并重复s3和s4步骤，即r＝r+τ，其中，τ为区间(0,1
‑
r)内的随机数；此时，增量式随机权网络的隐含层输出矩阵h
k
为：其中，6.根据权利要求1所述的基于正则化增量式随机权网络的井下供给风量估计方法，其特征在于，所述步骤s5包括：通过岭回归方法更新整个网络的输出权值：计算得到当前网络的残差为：e
k
＝t
‑
h
k
β
*
；若当前网络残差e
k
在可容忍误差ε范围内或k大于事先给定的最大隐含层节点数l
max
，则不再添加新的隐含层节点，建模完成。