基于IWOA—SVM的煤矿突水预测模型_中国煤炭行业知识服务平台

基于IWOA—SVM的煤矿突水预测模型

作者

秋兴国李靖
单位

西安科技大学计算机科学与技术学院
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。
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
基金项目(Foundation)

陕西省自然科学基础研究资助项目(2019JM-348)
文章目录

0 引言
1 基本原理
1.1 鲸鱼优化算法基本原理
1.2 SVM基本原理
2 基于IWOA-SVM的煤矿突水预测模型
2.1 参数优化
2.2 预测流程
3 实验分析
3.1 模型输入特征与数据处理
3.2 参数确定
3.3 突水预测结果
4 结论
引用格式

秋兴国，李靖.基于IWOA-SVM的煤矿突水预测模型［J］.工矿自动化，2022,48（1）：71-77.