-
题名基于PSO-KELM的煤与瓦斯突出预测研究
- 1
-
-
作者
王小生
尹亚红
涂军
张小健
杨晋
-
机构
冀中能源股份有限公司
-
出处
《能源与环保》
2025年第3期60-64,共5页
-
文摘
煤与瓦斯突出是煤矿开采过程中常见的一种地质灾害,为保障井下工作人员的生命安全和国民经济的稳定增长,融合智能优化算法和机器学习算法,以核极限学习机(KELM)作为基准预测模型,结合粒子群算法(PSO)优化KELM关键参数,规避了人为预设导致的性能缺陷,提高预测模型分类精度。结合现场实测数据,对指标预处理进行有效性分析,验证优化预处理后的模型精度较未处理有所提升;以预处理后的数据样本作为模型输入,对各基准预测模型进行对比,证明了KELM基准预测模型的稳定性和优越性;将PSO-KELM模型与其他常用模型进行30次预测对比实验。结果表明,PSO-KELM模型平均预测准确率达到86.33%,较其他模型具有更好的预测精度和更快的收敛速度,为煤与瓦斯突出预测工作提供了一种新的有效方法和理论支撑。
-
关键词
PSO-KELM模型
煤与瓦斯突出灾害
风险预测粒子群算法
核极限学习机
-
Keywords
PSO-KELM model
coal and gas outburst disaster
risk prediction particle swarm algorithm
kernel extreme learning machine
-
分类号
TD712
[矿业工程—矿井通风与安全]
-
