基于PSO-BPNN的煤自燃危险性预测模型

作者：汪伟; 梁然^*; 祁云; 贾宝山; 武泽伟

来源：中国安全科学学报, 2023, 33(07): 127-132.

DOI：10.16265/j.cnki.issn1003-3033.2023.07.2235

• 煤自燃
• 粒子群优化算法(PSO)
• 反向传播神经网络(BPNN)
• 支持向量回归机(SVR)
• 预测模型
• 采空区

为提高采空区遗煤自燃危险性预测的准确性，采用粒子群优化算法(PSO)改进反向传播神经网络(BPNN)的连接权重和阈值，构建一种将PSO算法与BPNN相耦合的煤自燃预测模型(PSO-BPNN模型),并从不同方面对比分析PSO-BPNN模型与BPNN模型和支持向量回归机(SVR)模型的预测结果。研究表明：优化后的平均相对误差、平均绝对误差和均方根误差相较于BPNN模型分别降低了9.35%、0.170 7和0.205 6,判定系数增大了0.116 9;比SVR模型分别降低了5.41%、0.115 2和0.171 5,判定系数增大了0.089 1。证明PSO-BPNN模型具有更高的预测精准性。

• 单位
  山西大同大学; 辽宁工程技术大学