基于KPCA-GA-BP的煤矿瓦斯爆炸风险模式识别

• 作者: 温廷新 孔祥博
• 来源期刊: 安全与环境学报
• 关键词: 安全工程 瓦斯爆炸 风险 主成分 遗传算法 神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 安全评价|Safety Assessment
• 页码范围: 19-26
• 页数: 8页
• 分类号: X936
• 语种: 中文
• DOI: 10.13637/j.issn.1009-6094.2019.0796

摘要

为了能够准确识别煤矿开采中瓦斯爆炸事故的风险类别,以提升对瓦斯爆炸事故的应急防范能力,提出了一种高效准确的风险识别模型.考虑到瓦斯爆炸涉及特征指标之间并非单纯的线性关系,采取核主成分提取方法(KPCA)对涉及的煤层瓦斯含量、瓦斯涌出量、风量供需比等19种特征指标进行属性约简,从而消除信息重叠,并使用遗传算法(GA)对BP神经网络的权值和阈值进行全局寻优,避免了过拟合状况的出现,在降低模型预测损失值的同时提高模型运算准确率.采用KPCA-GA-BP模型对83组实例数据进行分析,选取其中62组数据进行训练,其余21组数据进行测试.预测结果中20组风险等级分类正确且用时较短,识别准确率为95.24％,表明模型对瓦斯爆炸灾害风险等级具有高识别精度和高效率.