煤与瓦斯突出危险性预测

摘要

针对现有基于支持向量机(SVM)的煤与瓦斯突出预测方法存在准确率低与响应速度慢的问题,提出了一种基于改进灰狼算法(IGWO)优化SVM的煤与瓦斯突出危险性预测方法。采用灰色关联熵权法分析各个影响因素对煤与瓦斯突出的影响程度,根据关联度排序提取瓦斯压力、瓦斯含量、瓦斯放散初速度和开采深度作为煤与瓦斯突出主控因素,将其分为训练集和测试集,并进行归一化处理;为改善传统灰狼算法(GWO)种群易陷入局部最优和寻优速度慢的缺陷,引入越界处理机制和嵌入莱维飞行的随机差分变异策略对GWO算法进行改进(即IGWO),有效提升了GWO的收敛精度与速度;采用IGWO对SVM的核心参数和惩罚参数进行优化,将煤与瓦斯突出的主控因素输入到IGWO-SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出危险性预测。仿真结果表明:与基于鲸鱼算法-支持向量机(WOA-SVM)、灰狼算法-支持向量机(GWO-SVM)和粒子群-支持向量机(PSO-SVM)的预测方法相比,基于IGWO-SVM的预测方法具有更高的预测精度,在提高SVM运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到96.67%,预测速度为5.58 s。