基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

作者：温廷新; 苏焕博^*

来源：中国安全生产科学技术, 2022, 18(07): 68-74.

• 煤与瓦斯突出预测
• 缺失数据
• 链式支持向量机多重插补(MICE＿SVM)方法
• 鲸鱼优化算法(WOA)
• 极限学习机(ELM)

为了提高缺失数据下煤与瓦斯突出预测准确率，提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型，以淮南朱集矿区为例，选取5个煤与瓦斯突出影响指标作为模型特征，采用提出的MICE＿SVM算法插补突出事故数据中缺失值，利用WOA优选ELM输入层权值及隐含层阈值，构建煤与瓦斯突出预测模型，将插补后数据用于WOA-ELM模型的训练与测试，并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率，对无突出和整体的预测准确率提高不明显；数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。

• 单位
  辽宁工程技术大学