科研之友
微信
新浪微博
Facebook
分享链接
摘要
正确预测瓦斯涌出量对于煤矿安全生产有重要的现实意义，但是，工作面瓦斯涌出规律复杂，瓦斯涌出量各影响因素之间存在多重共线性，严重影响了预测的准确性。为研究回采工作面瓦斯涌出量与其多个影响因素之间的关系和特点，消除各因素之间的多重共线性，避免瓦斯涌出量预测出现“维数灾难”以及发生函数过拟合等问题，采用LASSO惩罚回归预测模型进行仿真预测，在原始特征空间的基础上，通过LARS算法实现降维，剔除无关和冗余的特征，最终筛选出一个包含煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层挥发分产率、风量和煤层间距等6个高影响因素在内的最优特征子集，并使用交叉验证法将数据集分成10份，轮流将其中9份作为训练数据，1份作为测试数据，进行试验。最终，选取最高识别率的测试集参数建立预测模型，对煤矿现场数据进行预测，并与传统的主成分分析法预测结果进行了比较。研究结果表明：应用该模型预测回采工作面瓦斯涌出量，能够较好的保存原始数据集的特征意义，预测平均相对误差为6.52%，平均相对变动值为0.006，均方根误差为3.20，在预测精度和泛化能力方面，均明显优于传统的主成分分析回归模型，能够为井下瓦斯防治提供理论参考，对其他工程领域高维小样本数据预测问题的解决具有借鉴意义。
-
单位电子信息工程学院; 山东科技大学
