中国安全科学学报

作者：肖鹏, 谢行俊, 双海清, 刘朝阳, 王海宁, 徐经苍

单位：1.西安科技大学 安全科学与工程学院,陕西 西安 710054; ；2.西安科技大学 教育部西部矿井开采及灾害防治重点实验室,陕西 西安 710054; ；3.陕西陕煤澄合矿业有限公司,陕西 澄城 715200

关键词：瓦斯涌出量预测,核主成分分析法(KPCA),压缩映射遗传算法(CMGA),BP神经网络(BPNN),样本集

基金：国家自然科学基金资助(51774235,51904238);陕西省自然科学基础研究计划(2020JM-530,2019JQ-337);陕西省教育厅专项科学研究计划(19JK0534)。

为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BPNN;构建CMGA与BPNN的耦合算法(CMGANN),计算分析某低瓦斯矿井监测历史数据形成的样本集,建立KPCA-CMGANN预测模型;用KPCA-CMGANN预测模型和其他3种网络模型分别对煤矿现场数据进行预测。结果表明:KPCA-CMGANN预测模型在379个时间步长里达到收敛,4个回采工作面的瓦斯涌出量预测相对误差分别为0.58%、0.63%、0.57%和0.45%,平均相对误差仅为0.56%,预测精度和收敛速度均优于对比模型,可实现瓦斯涌出量的快速精准预测。

来源：2020年第5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2020年第5期