中国安全科学学报

作者：祁云, 薛凯隆, 汪伟, 崔欣超, 王宏祥, 齐庆杰

单位：1 辽宁工业大学 机械工程与自动化学院,辽宁 锦州 121001；2 山西大同大学 煤炭工程学院,山西 大同 037000；3 辽宁工程技术大学 安全科学与工程学院,辽宁 阜新 123000；4 中国煤炭科工集团 应急科学研究院,北京 100013

关键词：煤与瓦斯突出,应急救援能力,评估模型,麻雀搜索算法(SSA),支持向量机(SVM),组合赋权

基金：国家重点研发计划重点专项项目(2018YFC0807900); 山西省高等学校科技创新计划项目(2022L448); 山西省高等学校科技创新计划项目(2022L449); 山西大同大学博士启动金项目(2020-B-18); 山西大同大学博士启动金项目(2020-B-08); 山西大同大学研究生教育创新项目(23CX47); 山西大同大学研究生教育创新项目(23CX49)

为降低煤矿井下煤与瓦斯突出事故中的人员伤亡和财产损失,提高突出事故中的应急救援能力,提出一种麻雀搜索算法(SSA)优化支持向量机(SVM)的煤与瓦斯突出事故应急救援能力评估模型。首先,依据相关文献与研究报告构建包括应急预防能力、应急准备能力、应急响应能力和恢复善后能力在内的4项一级指标,其中包括18项二级指标,并以各指标的得分数据作为模型训练数据集;然后,利用网络层次分析法(ANP)与熵权法(EWM)分别确定各评估指标在相互影响下的主客观权重,通过拉格朗日函数将各权重融合得到最优权重,运用SSA算法优化SVM的径向基核参数g和惩罚因子C,将最优权重计算得出的结果作为SSA-SVM模型的输入,期望值作为输出进行线性回归预测;最后,以河北省某矿为例,将SSA-SVM模型与传统SVM、粒子群优化算法(PSO)优化SVM、鲸鱼优化算法(WOA)优化SVM 3种不同模型的预测结果分别与期望值作对比分析。结果表明:SSA-SVM模型的预测结果与实际相符,平均绝对误差相较于其他模型分别下降8.04%、5.15%、4.82%,证明所建模型的优越性,可将其应用于矿山企业实际矿井煤与瓦斯突出事故应急救援能力评估。

来源：2024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2024年第2期