一种新型煤矿底板破坏深度预测模型

• 作者: 武雪琪
• 来源期刊: 煤矿现代化
• 学科: 工学
• 关键词: 煤矿 遗传算法 粒子群优化算法 支持向量机 底板破坏深度
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 科学实验
• 页码范围: 113-117
• 页数: 5页
• 分类号: TD745
• 语种: 中文

摘要

为有效预防煤矿底板突水风险,在传统的粒子群优化算法中增加自适应权重,结合遗传算法的交叉、变异步骤改进传统的粒子群优化算法,并用其优化SVM模型,建立改进的GA-PSO-SVM煤矿底板破坏深度预测模型,选取采深、煤层倾角、采高、工作面长度、煤层底板承压水水压和煤层底板损伤变量作为影响底板破坏深度的主控因素,通过15组煤炭生产单位采集底板破坏带深度相关数据,测试改进的GA-PSO-SVM模型的性能,并与FOA-SVM模型、BP模型的预测结果进行对比,研究表明:改进的GA-PSO-SVM模型预测结果与实测结果的误差范围为0.36％～5.22％,FOA-SVM模型预测结果的误差范围为1.60％～12.49％,BP模型预测结果的误差范围为1.01％～20％,改进的GA-PSO-SVM模型预测结果的误差范围更小,更适合煤矿现场的应用要求.