煤与瓦斯突出missForest-EGWO-SVM预测模型

作者：邵良杉; 詹小凡

来源：辽宁工程技术大学学报(自然科学版), 2020, 39(03): 214-218.

• 缺失数据
• 煤与瓦斯突出
• missForest
• EGWO
• SVM
• 事故预测率

针对煤与瓦斯突出预测的数据不完整或缺失问题,提出一种基于miss Forest-EGWO-SVM的煤与瓦斯突出预测模型.以淮南地区的实测数据作为研究样本,采用missForest算法对样本数据进行缺失值填补;为解决SVM算法性能受参数影响大的问题,利用高效灰狼算法(EGWO)对SVM进行参数寻优;完善后的数据集作为EGWO-SVM模型的输入进行实验,与其他模型对比.研究结果表明:采用missForest填补缺失数据,提高了模型的突出事故预测率,EGWO-SVM模型能够有效避免GWO在后期搜索中陷入局部最优,进一步提高了SVM的预测精度.研究结论为缺失数据情况下煤与瓦斯突出预测提供了一种途径.

• 单位
  辽宁工程技术大学