中国安全科学学报

作者：汪伟, 崔欣超, 祁云, 李绪萍, 王璜瑞, 齐庆杰

单位：1 内蒙古科技大学 矿业与煤炭学院,内蒙古 包头 014010；2 内蒙古自治区矿业工程重点实验室,内蒙古 包头 014010；3 内蒙古自治区煤炭安全开采与利用工程技术研究中心,内蒙古 包头 014010；4 山西大同大学 煤炭工程学院,山西 大同 037000；5 内蒙古煤炭绿色开采与绿色利用协同创新中心,内蒙古 包头 014010；6 辽宁理工学院,辽宁 锦州 121000

关键词：改进麻雀搜索算法(ISSA),反向传播神经网络(BPNN),煤体瓦斯,渗透率,预测模型

基金：国家自然科学基金面上项目资助(51974149); 国家自然科学基金地区基金资助(52464020); 山西省基础研究计划资助项目(202203021222300); 内蒙古自然科学基金资助(2024LHMS05012)

为更加精确地预测煤体瓦斯渗透率,进而保障煤矿安全生产,构建基于改进麻雀搜索算法(ISSA)优化反向传播神经网络(BPNN)的煤体瓦斯渗透率预测模型。首先,通过引入Sine混沌映射和高斯变异改进麻雀搜索算法(SSA),以增强其全局搜索能力和局部寻优精度,从而优化BPNN的权值和阈值配置;然后,通过皮尔逊相关系数矩阵和核主成分分析(KPCA)处理瓦斯渗透率影响因素的数据,以提高模型的计算效率和准确性,并以累积方差达88.59%的3个主成分提取为模型输入,渗透率作为输出进行试验;最后,将该模型应用于山西某煤矿进行实例验证。结果表明:ISSA-BPNN在平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)和决定系数R2等4个指标上优于粒子群算法(PSO)优化BPNN、PSO优化支持向量机(PSO-SVM)、PSO优化最小二乘支持向量机(LSSVM)及SSA优化BPNN(SSA-BPNN)模型,且相较于其他模型在测试样本中的平均绝对误差(MAE)分别降低0.032 7、0.022、0.017 9、0.018 2;MAPE分别降低5.15%、3.14%、2.76%、2.36%;RMSE分别降低0.031 6、0.027 9、0.018 8、0.022 2;R2分别提高0.077 5、0.065 8、0.040 1、0.049 3;实例验证表明模型可靠性和稳定性较高。

来源：2025年第2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第2期