基于特征选取的尾蜥启发式算法改进超限学习机煤体瓦斯渗透率预测  

作　　者：李欢 

机构地区：[1]潞安化工集团有限公司,山西长治市046204

出　　处：《采矿技术》2024年第5期301-305,共5页Mining Technology

摘　　要：准确预测煤层瓦斯渗透率变化情况,对煤矿的安全生产具有重要意义。以实测煤层瓦斯渗透率数据为例,提出了一种精确的预测方法。以有效应力、瓦斯压力、温度、抗压强度作为特征变量,建立了基于特征选取的尾蜥启发式算法改进超限学习机模型。研究结果表明,所提出模型的训练值和预测值与实际结果高度吻合。平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别为0.0299,0.0429,3.60%,决定系数(R~2)高达0.9634,预测效果较好。与PSO-BP模型相比,基于特征选取的尾蜥启发算法改进超限学习机模型的误差更小,预测精度更高。利用十折交叉验证结果进一步证明了模型拥有较好的稳定性和泛化能力,对煤层瓦斯渗透率变化的预测更为有效和实用。

关 键 词：瓦斯渗透率 机器学习 启发式算法 超限学习机 

分 类 号：TD712[矿业工程—矿井通风与安全] TP18[自动化与计算机技术—控制理论与控制工程]