【目的】为提高落煤瓦斯涌出量预测精度，【方法】提出一种粒子群优化算法(particle swarm optimization， PSO)和相关向量机(relevance vector machine， RVM)相结合的落煤瓦斯涌出量预测方法。通过RVM建立解吸强度与其影响因素之间的非线性映射关系，利用粒子群优化算法对RVM核参数进行寻优，构建基于PSO-RVM的瓦斯解吸强度与时间预测模型，对瓦斯涌出量进行预测。【结果】在相同样本数据集下的实验结果表明：与GA-BP(genetic algorithm-back)神经网络模型和BP神经网络模型相比，PSO-RVM模型对瓦斯涌出量预测结果的平均相对误差和均方根误差仅为1.04%和0.01，决定系数0.995，【结论】该模型精度更优、可信度更高， 为落煤瓦斯涌出量的预测提供了一种新的方法。

1 PSO-RVM基本原理
1.1 RVM原理
1.2 PSO原理
2算例分析
2.1 确定模型样本
2.2模型方法步骤
3 PSO-RVM预测模型评价
4 结论

张研,黄兰淘,唐北昌,等.基于PSO-RVM的落煤瓦斯涌出量预测[J/OL].太原理工大学学报,1-11[2024-11-19].https://doi.org/10.16355/j.tyut.1007-9432.20240525.