基于IWOA-SVM的煤矿突水预测模型

• 作者: 秋兴国 李靖
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤矿突水预测 鲸鱼优化 支持向量机 差分进化 混沌映射
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 实验研究|Experimental Research
• 页码范围: 71-77
• 页数: 7页
• 分类号: TD745
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2021050043

摘要

针对传统煤矿突水预测算法易陷入局部最优、预测结果准确率低及速度慢等问题,提出了一种基于改进鲸鱼优化算法(IWOA)-支持向量机(SVM)的煤矿突水预测模型.IWOA从鲸鱼种群初始化、调节因子非线性化及随机差分进化(DE)3个方面入手对鲸鱼优化算法(WOA)进行改进:使用Tent映射初始化鲸鱼种群,提高鲸鱼种群寻找到最优猎物的可能性;通过调节因子非线性变化策略,提升算法在迭代前期的全局搜索能力及迭代后期的局部搜索能力,从而加快收敛速度;引入DE算法的变异、交叉、选择操作,以增强WOA的全局搜索能力.利用IWOA对SVM模型进行参数优化,将影响煤矿突水的水压、隔水层厚度、煤层倾角、断层落差、断层与工作层距离、采高共6个影响因素作为模型的输入特征向量,突水与安全2种突水结果作为模型的输出向量,以突水预测结果与实际结果间的误差最小化为目标建立目标函数,得到基于IWOA-SVM的煤矿突水预测模型.实验结果表明:与粒子群优化算法、DE算法、WOA相比,IWOA的预测准确率最高,标准误差最小,且收敛速度快,鲁棒性好;IWOA-SVM的突水预测准确率达到100％,与传统的突水系数法、SVM、WOA-SVM相比,IWOA-SVM表现出更高的准确率和稳定性.