矿业研究与开发

作者：乔威豪，安葳鹏，赵雪菡，吕常周

关键词：煤与瓦斯突出;烟花算法;极限学习机;数据预处理;风险预测模型

为提高煤与瓦斯突出预测的准确率和效率,提出了一种基于数据预处理的多策略改进烟花算法(IFWA)优化极限学习机(ELM)的煤与瓦斯突出预测模型。 首先,针对于非线性多维特征数据,使用灰色关联度分析(GRA)进行特征选取,利用主成分分析(PCA)进行特征约简,将数据预处理后的数据指标作为模型的输入;其次,引入引力搜索算子和混合变异策略改进烟花算法(FWA)易陷入局部最优的问题;最后,利用IFWA 对ELM 的输入层到隐含层的权重和偏差进行优化,构建最优的煤与瓦斯突出风险预测模型。结果表明,IFWA-ELM 模型的RMSE 和R2 可达0.074,0.968，与ELM、GA-ELM、PSO-ELM 和FWA-ELM 模型相比均有所提升,IFWAＧELM 模型对煤与瓦斯突出危险等级预测的准确率可达100％,具有更好的收敛速度和预测精度.研究成果可为煤矿瓦斯突出多数据融合预测提供可靠的理论依据。

来源：2024年第5期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第5期