基于PCA-SAPSO-BP神经网络的瓦斯涌出量预测研究

作者：刘锋

来源：煤矿安全, 2023, 54(04): 60-68.

DOI：10.13347/j.cnki.mkaq.2023.04.009

• 瓦斯涌出量预测
• 主成分分析
• 退火粒子群算法
• BP神经网络
• Matlab

为提高煤矿井下瓦斯涌出量预测效率和准确性，针对瓦斯涌出量影响因素的多重相关性、复杂性问题，提出使用主成分分析法对影响因素进行降维处理,针对BP神经网络收敛速度慢且易陷入局部最优解的问题,引入退火粒子群算法优化BP神经网络的权值和阈值；利用Matlab软件编写并构建了PCA-SAPSO-BP神经网络耦合算法对瓦斯涌出量进行预测；选取开滦钱家营煤矿瓦斯涌出量及其影响因子数据作为样本，使用BP神经网络模型、PSO-BP模型和SAPSO-BP模型对样本进行预测。结果表明：PCA-SAPSO-BP神经网络模型的预测平均相对误差为1.06%,PCA-PSO-BP模型为2.20%,PCA-BP模型为3.00%,SAPSO-BP模型为1.61%,PSO-BP模型为2.81%,BP模型为3.98%；预测模型的归一化均方误差为0.002 5，希尔不等系数为0.005 5，平均绝对误差为0.07 m3/min，判定系数为0.997 5，证明PCA-SAPSO-BP神经网络模型提高了BP模型瓦斯涌出量的预测精度。

• 单位
  煤矿安全技术国家重点实验室