中国安全科学学报

作者：汪伟, 梁然, 祁云, 贾宝山, 武泽伟

单位：1 山西大同大学 煤炭工程学院,山西 大同 037000；2 辽宁工程技术大学 安全科学与工程学院,辽宁 阜新 123000；3 矿山热动力灾害与防治教育部重点实验室(辽宁工程技术大学),辽宁 葫芦岛 125000

关键词：煤自燃,粒子群优化算法(PSO),反向传播神经网络(BPNN),支持向量回归机(SVR),预测模型,采空区

基金：山西省基础研究计划(自由探索类)青年项目(202203021222300); 山西省高等学校科技创新计划项目(2022L449); 山西省高等学校科技创新计划项目(2022L448); 国家重点研发计划资助项目(2018YFC0807900); 山西大同大学博士科研启动项目(2020-B-08); 山西大同大学博士科研启动项目(2020-B-18)

为提高采空区遗煤自燃危险性预测的准确性,采用粒子群优化算法(PSO)改进反向传播神经网络(BPNN)的连接权重和阈值,构建一种将PSO算法与BPNN相耦合的煤自燃预测模型(PSO-BPNN模型),并从不同方面对比分析PSO-BPNN模型与BPNN模型和支持向量回归机(SVR)模型的预测结果。研究表明:优化后的平均相对误差、平均绝对误差和均方根误差相较于BPNN模型分别降低了9.35%、0.170 7和0.205 6,判定系数增大了0.116 9;比SVR模型分别降低了5.41%、0.115 2和0.171 5,判定系数增大了0.089 1。证明PSO-BPNN模型具有更高的预测精准性。

来源：2023年第7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2023年第7期