综采面区段煤柱宽度的PSO-SVM预测模型

作者：吴旋; 来兴平^*; 郭俊兵; 崔峰; 王泽阳; 许慧聪

来源：西安科技大学学报, 2020, 40(01): 64-70.

DOI：10.13800/j.cnki.xakjdxxb.2020.0109

• 支持向量机
• 区段煤柱宽度
• 粒子群优化算法
• 预测

为准确预测缓倾斜煤层区段煤柱宽度,分析了缓倾斜煤层综采工作面的主要影响因素,选取8个因子,建立了粒子群优化的支持向量机区段煤柱宽度预测模型(Particle Swarm Optimization Support Vector Machine,PSO-SVM),通过缓倾斜煤层的区段煤柱宽度情况统计分析,对粒子群优化的支持向量机模型(PSO-SVM)、网格搜索优化的支持向量机模型(GS-SVM)和遗传算法优化的支持向量机模型(GA-SVM) 3种预测方法的精度进行了对比分析。结果表明:3种方法的预测平均相对误差PSO-SVM为1. 81%,GS-SVM为8. 36%,GA-SVM为3. 78%. PSO-SVM模型有较高的预测精度和较强的普适性,能够相对精确、高效地预测缓倾斜煤层区段煤柱宽度,对缓倾斜煤层综采面区段煤柱宽度选取具有一定指导意义。

• 单位
  西安科技大学