基于NMF-HGS-RF的瓦斯涌出量预测研究

作者：周旭; **鹏; 俎毓伟; 张九零^*

来源：矿业安全与环保, 2023, 50(03): 117-123.

DOI：10.19835/j.issn.1008-4495.2023.03.020

• 饥饿游戏搜索
• 非负矩阵分解
• 随机森林
• 参数优化
• 降维
• 瓦斯涌出量预测

瓦斯涌出量与开采环境和开采技术之间存在复杂的非线性关系，为了精准预测瓦斯涌出量，提出将非负矩阵分解(NMF)和随机森林(RF)相结合，建立煤层瓦斯涌出量预测模型。对沈阳某矿井数据的13个特征指标进行非负矩阵分解实现降维，将提取的5个主要成分作为RF的输入，瓦斯涌出量作为输出，实现回归预测。运用饥饿游戏搜索算法(HGS)对RF进行参数优化，并与麻雀搜索算法(SSA)、冠状病毒群体免疫优化算法(CHIO)、遗传算法(GA)、算数优化算法(AOA)、Aquila优化器算法(AO)、阿基米德算法(ArchOA)参数优化结果进行对比。实验结果显示：NMF-HGS-RF的收敛速度相对较快，预测精度相对较高，其相对误差的平均值为4.74%,而NMF-RF、NMF-SSA-RF、NMF-CHIO-RF等模型相对误差的平均值分别为6.34%、5.85%、6.21%、8.49%、4.95%、6.11%和7.93%。结果表明：NMF-RF预测精度高于未经降维处理的RF,且NMF-HGS-RF相比其他参数寻优后的RF具有更好的预测性能。

• 单位
  华北理工大学