为解决煤矿深部井巷工程巷道掘进顶板空顶期沉降量的预测问题，引入人工智能的支持向量机(SVM)工具，结合麻雀搜索优化算法(SSA)，提出基于SSA-SVM的巷道顶板空顶沉降量预测模型。以内蒙古长城五矿深部地下巷道掘进过程的顶板空顶期位移量数据作为样本集合，选择单轴抗压强度(UCS)、岩石完整性(RQD)、地应力、巷道宽跨比、空顶时间、人为采动 6项影响因素，通过适用性、相关性和归类一致性评价对数据的综合影响权重进行归纳整理。将十折交叉验证的准确率作为适应度函数，对不同种群数量的SSA-SVM预测模型展开训练和测试，通过误差相关系数(RMSE，MAPE，R2)，ROC曲线，AUC ± Std，运行时间以及标准偏差率η5方面来选择种群数量最优参数模型。并将该模型应用于1902S回风巷进行巷道掘进顶板空顶期的沉降量预测，同巷道实际矿压监测数据进行比较。研究结果表明：种群数量为90时SSA-SVM模型预测性能较好，训练样本的RMSE为0.0165，MAPE为22.54%，R2为0.8295；测试样本的RMSE为0.0156，MAPE为22.37%，R2为0.8490；真实度AUC达到最大0.8467，离散度Std最小为0.0115；运行时间最短为8.7239s；标准偏差率维持在0.12%。在1902S回风巷现场应用中，预测值与实际值没有出现较大偏差，维持在线性拟合y=0.90x和y=1.10x范围内，误差相关系数与AUC ± Std均符合试验精度要求，该模型的预测效果能够对后续的支护设计及补强支护作业提供重要的指导意义。

1 引言
2 工程背景及数据处理
2.1工程背景
2.2 空顶期围岩破坏分析
2.3 影响因素划分及数据采集
3 支持向量机及算法
3.1 SVM
3.2高斯径向基（RBF）核函数
3.3 麻雀搜索算法(SSA)
3.4 SSA-SVM模型构成
4 数据处理及评价指标
4.1 综合影响权重法
4.2适应度函数
4.3模型评价指标
5 SSA-SVM模型试验分析
5.1 ROC曲线及误差相关系数
5.2 误差相关指标
5.3 标准偏差率
5.4 AUC及运行时间
6 现场应用
7 结论

于冰冰,李清,赵桐德等.基于SSA-SVM的巷道顶板空顶沉降量预测模型[J/OL].煤炭学报:1-17[2023-07-27].DOI:10.13225/j.cnki.jccs.2023.0423.