基于SSA-LSTM采动覆岩裂隙带高度预测方法研究
林海飞 1，2 , 张宇少 1 , 周捷 3 , 葛佳琪 1 , 李文静 1 , 王琳 1 , 王锴 1
林海飞 , 山西天镇人, 教授, 博士生导师, 博士。现任西安科技大学学科办副主任，兼任西部煤矿瓦斯灾害防控陕西高等学校重点实验室主任，煤炭行业西部矿井瓦斯智能抽采工程研究中心常务副主任，中国职业安全健康协会煤矿瓦斯专业委员会青年专委会副主任，国际矿业青年科学家论坛学术委员会副主席，《采矿与安全工程学报》《采矿与岩层控制工程学报》编委，陕西省重点科技创新团队、陕西高校首批青年创新团队带头人。主要从事煤矿瓦斯防治的教学与科研工作，主持国家自然科学基金4项、国家重点研发子课题1项，省部级及企业合作项目40余项，以第一或通讯作者发表SCI/EI论文60余篇，出版专著及教材15部，获省部级一等奖5项、二等奖10余项，授权国家发明专利20余项。获孙越崎青年科技奖、陕西省特支计划科技创新领军人才、陕西省杰出青年基金、陕西省青年科技奖、陕西省中青年科技创新领军人才等。
扫码阅读全文
摘要
采动覆岩裂隙带高度决定了卸压瓦斯抽采钻孔终孔或巷道层位布置参数，为进一步提高其预测精度，采集了不同矿区的361组数据，分析了采动裂隙带高度与采高、煤层倾角、工作面斜长、采深、硬岩岩性比例系数之间的关系；采用深度信念网络(DBN)、长短期记忆网络(LSTM)、Elman神经网络(ENN)等3种机器学习算法对采动裂隙带高度进行五折交叉验证，基于判定系数、均方根误差、平均绝对误差、平均绝对百分比误差等常用评价指标，筛选出LSTM为初步预测模型；采用遗传算法(GA)和麻雀搜索算法(SSA)，对采动裂隙带高度LSTM预测模型进行优化，得到LSTM、GA-LSTM、SSA-LSTM 3种模型的预测结果。结果表明：SSA-LSTM预测模型较LSTM、GA-LSTM预测模型预测结果更优，其判定系数、均方根误差、平均绝对误差、平均百分比误差分别为0.991、0.329、0.148、0.017，各精度评估指标均符合判定要求，所构建的采动裂隙带高度预测模型精度较高且具有一定普适性。
主要内容
收集不同矿区采动裂隙带高度实例数据，采用长短期记忆网络(Long Short-Term Memory，LSTM)、深度信念网络(Deep Belief Nets，DBN)及Elman神经网络(Elman Neural Nets，ENN)对比预测采动裂隙带发育高度，通过对比分析遗传算法(Genetic Algorithm，GA)和麻雀搜索算法(Sparrow Search Algorithm，SSA)，优化预测模型，确定最终的采动裂隙带预测模型，以期提高预测精度及普适性。
1. 采动裂隙带高度预测模型
1.1 预测模型原理
1) 深度信念网络
2) Elman神经网络
3) 长短期记忆网络
1.2 优化模型原理
1) 遗传算法
2) 麻雀搜索算法
1.3 模型预测评价指标
1.4 模型建立流程
图 1 最优模型选择流程图
2. 采动裂隙带高度数据获取及处理
2.1 数据获取
表 1 数据样本库
图 2 采动裂隙带高度与各因素关系
2.2数据处理
1) 数据插补
表 2 随机缺失插补误差对比
由表 2可知，在4种插补方法中最邻近值插补法的RMSE均最小，表明实际值与插补值相关性最高，因此选用最邻近值插补法插补缺失值，结果见表 3。
表 3 影响因素最邻近值插补具体数据
2) 数据标准化
3. 采动裂隙带高度预测模型建立及验证
3.1 采动裂隙带高度预测模型初选
表 4 3种算法具体参数
图 3 3种预测模型五折交叉验证图
3.2采动裂隙带高度预测模型的建立及验证
1) 采动裂隙带高度预测模型的建立
表 5 不同情境下优化模型评价指标
2) 采动裂隙带高度预测模型的验证
图 4 3种模型预测结果对比
图 5 3种模型验证结果对比
由 图 4 、 图 5 可知，SSA-LSTM预测结果与实测值最为接近，最大绝对误差为2.09 m(平均绝对误差为1.54 m)，最大相对误差为2.8%(平均相对误差为2.4%)，均小于LSTM(最大绝对误差为4.53 m，最大相对误差为4.7%)、GA-LSTM(最大绝对误差为2.52 m，最大相对误差为3.2%)。因此，可以说明SSA-LSTM在3种模型预测中表现最好，符合对采动裂隙带高度预测要求，且具有一定的普适性。
4. 结论
1) 基于LSTM算法的采动裂隙带高度预测模型的 R 2、RMSE、MAE、MAPE分别为0.918、0.795、0.740、0.311，均优于DBN、Elman算法，且符合筛选要求，确定LSTM作为待优化预测模型。
2) 在训练集分别占比为60%、70%、80% 3种情境下，SSA-LSTM预测模型的 R 2为0.962~0.991，RMSE为0.329~0.463，MAE为0.148~0.414，MAPE为0.017~0.031。各评价指标均优于LSTM、GA-LSTM预测模型。
3) 随机选择训练集270组(占比75%)进行验证，SSA-LSTM采动裂隙带高度预测模型最大绝对误差为2.09 m，最大相对误差为2.8%，其预测精度较高，进一步验证了SSA-LSTM预测模型具备普适性，满足采动裂隙带高度预测模型要求。
林海飞, 张宇少, 周捷, 葛佳琪, 李文静, 王琳, 王锴. 基于SSA-LSTM采动覆岩裂隙带高度预测方法研究[J]. 矿业安全与环保, 2024, 51(3): 8-15.
LIN Haifei, ZHANG Yushao, ZHOU Jie, GE Jiaqi, LI Wenjing, WANG Lin, WANG Kai. Research on the height prediction method of fracture zone in mining overburden rock based on SSA-LSTM[J]. Mining Safety & Environmental Protection, 2024, 51(3): 8-15.
END
供稿：陈玉涛
审核：熊云威
