基于双耦合算法的煤与瓦斯突出预测模型

doi:10.16265/j.cnki.issn1003-3033.2018.03.015

中国安全科学学报 ›› 2018, Vol. 28 ›› Issue (3): 84-89.doi: 10.16265/j.cnki.issn1003-3033.2018.03.015

基于双耦合算法的煤与瓦斯突出预测模型

付华^1,2 教授, 丰胜成², 高振彪¹, 杨玉岗¹ 教授

1 辽宁工程技术大学电气与控制工程学院, 辽宁葫芦岛 125105;
2 辽宁工程技术大学安全科学与工程学院, 辽宁阜新 123000

收稿日期:2017-12-03 修回日期:2018-02-04 出版日期:2018-03-28 发布日期:2020-11-09
作者简介:付华 (1962—),女,辽宁阜新人,博士,教授,博士生导师,主要从事现代传感技术及系统、煤矿瓦斯智能检测和控制工程方面的研究。E-mail: fxfuhua@163.com。
基金资助:
国家自然科学基金资助(51274118,71371091)。

Study on double coupling algorithm based model for coal and gas outburst prediction

FU Hua^1,2, FENG Shengcheng ², GAO Zhenbiao ¹, YANG Yugang¹

1 College of Electrical & Control Engineering, Liaoning Technical University, Huludao Liaoning 125105, China;
2 College of Safety Science and Engineering, Liaoning Technical University, Fuxin Liaoning 123000, China

Received:2017-12-03 Revised:2018-02-04 Online:2018-03-28 Published:2020-11-09

摘要/Abstract

摘要： 为提高煤与瓦斯突出预测精度,有效预防瓦斯突出灾害,将等距映射(IsoMap)算法与优化加权向量机耦合算法 (DDICS-WLS-SVM)相结合,建立煤与瓦斯突出双耦合算法预测模型。首先利用非线性流形学习IsoMap算法对煤与瓦斯突出高维数据进行数据挖掘,提取其低维本质特征参量;然后通过逐维改进布谷鸟(DDICS)算法对加权最小二乘向量机(WLS-SVM)的正则化参数λ和高斯核参数σ进行寻优;最后对双耦合算法预测模型进行仿真试验,将IsoMap算法提取的低维本质特征作为该预测模型的输入,煤与瓦斯突出强度值作为模型的输出,并与PSO-SVM、LS-SVM方法的预测结果进行对比。结果表明:双耦合算法预测模型的平均相对误差为1.825%,最大相对误差为2.63%,该预测模型具有较高的预测精度。

关键词: 煤与瓦斯突出, 加权最小二乘向量机(WLS-SVM), 等距映射(IsoMap)算法, 耦合算法, 预测

Abstract: In order to improve the accuracy of coal and gas outburst prediction, a double coupling algorithm based model was built on the basis of combining the IsoMap algorithm with the coupling method (DDICS-WLS-SVM). The IsoMap algorithm is used to excavate the low-dimensional essence features of coal and gas outburst, followed by usage of DDICS algorithm to optimize the regularization parameter and the Gaussian kernel parameter of WLS-SVM. Finally, the low-dimensional essence features are extracted as the input to the prediction model which subsequently outputs the intensity of coal and gas. The results show that the relative errors in prediction by the model are not greater than 2.63%, and that the model is better than both the PSO-SVM and LS-SVM in prediction accuracy.

Key words: coal and gas outburst, weighted least squares support vector machine (WLS-SVM), isometric mapping (IsoMap) algorithm, coupling algorithm, prediction

中图分类号:

X936

付华, 丰胜成, 高振彪, 杨玉岗. 基于双耦合算法的煤与瓦斯突出预测模型[J]. 中国安全科学学报, 2018, 28(3): 84-89.

FU Hua, FENG Shengcheng , GAO Zhenbiao , YANG Yugang. Study on double coupling algorithm based model for coal and gas outburst prediction[J]. China Safety Science Journal, 2018, 28(3): 84-89.

参考文献

[1] 潘一山. 煤与瓦斯突出、冲击地压复合动力灾害一体化研究[J].煤炭学报, 2016, 41(1): 105-112.
PAN Yishan. Integrated study on compound dynamic disaster of coal-gas outburst and rock burst[J]. Journal of China Coal Society, 2016, 41(1): 105-112.
[2] 张津嘉, 许开立, 王贝贝,等. 瓦斯爆炸事故演化机理的综合论事故模型研究[J].中国安全科学学报, 2015, 25(4): 53-57.
ZHANG Jinjia, XU Kaili, WANG Beibei, et al. Synthetic theory model for evolution mechanism of gas explosion accident[J]. China Safety Science Journal, 2015, 25(4): 53-57.
[3] 王汉鹏, 张冰, 袁亮,等. 吸附瓦斯含量对煤与瓦斯突出的影响与能量分析[J].岩石力学与工程学报, 2017, 36(10): 2 449-2 456.
WANG Hanpeng, ZHANG Bing, YUAN Liang, et al. Influence of adsorption gas content on coal and gas outburst and energy analysis[J]. Chinese Journal of Rock Mechanics and Engineering, 2017, 36(10): 2 449-2 456.
[4] 郭德勇, 郑茂杰, 郭超,等. 煤与瓦斯突出预测可拓聚类方法及应用[J].煤炭学报, 2009, 32(3): 783-787.
GUO Deyong, ZHENG Maojie, GUO Chao, et al. Extension clustering method for coal and gas outburst prediction and its application[J]. Journal of China Coal Society, 2009, 34(6): 783-787.
[5] 曲方, 张龙, 李迎业,等. 基于BP神经网络的煤与瓦斯突出预测系统开发[J].中国安全科学学报, 2012, 22(1): 11-16.
QU Fang, ZHANG Long, LI Yingye, et al. Development of coal and gas outburst prediction system based on BP neural network[J]. China Safety Science Journal, 2012, 22(1): 11-16.
[6] 付华, 徐凡, 徐耀松,等. 基于变权重RBF组合模型的煤与瓦斯突出强度预测[J].中国安全科学学报,2013,23(8): 65-70.
FU Hua, XU Fan, XU Yaosong, et al. Prediction of coal and gas outburst intensity based on variable weight RBF combination model[J]. China Safety Science Journal, 2013, 23(8): 65-70.
[7] 王天瑜, 刘勇, 徐德宇. 滴道矿立井28#煤层瓦斯含量灰色关联分析及预测[J].安全与环境学报, 2014, 14(1): 13-16.
WANG Tianyu, LIU Yong, XU Deyu. Grey relation analysis and forecast of the gas content in seam of No. 28 shift mine Di Dao[J].Journal of safety and Environment, 2014, 14(1): 13-16.
[8] 谢国民, 单敏柱, 付华. 基于IsoMap和MBFO-SVR的瓦斯涌出量动态预测研究[J].传感技术学报, 2016, 29(7): 1 115-1 120.
XIE Guomin, SHAN Minzhu, FU Hua. Based on the isomap with MBFO-SVR gas emission dynamic prediction research[J]. Chinese Journal of Sensors and Actuators, 2016, 29(7): 1 115-1 120.
[9] 谢国民, 谢鸿, 付华,等. 煤与瓦斯突出预测的NN-SVM模型[J].传感技术学报, 2016,29(5): 733-738.
XIE Guomin, XIE Hong, FU Hua, et al. Prediction model for coal and gas outburst based on NN-SVM[J]. Chinese Journal of Sensors and Actuators, 2016,29(5): 733-738.
[10] 付华, 王馨蕊, 王志军,等. 基于PCA和PSO-ELM的煤与瓦斯突出软测量研究[J].传感技术学报, 2014, 27(12): 1 710-1 715.
FU Hua, WANG Xinrui, WANG Zhijun, et al. Research on the soft sensor of coal outburst on PCA and PSO-ELM[J]. Chinese Journal of Sensors and Actuators, 2014, 27(12): 1 710-1 715.
[11] 孟德宇, 徐晨, 徐宗本. 基于Isomap 的流形结构重建方法[J].计算机学报, 2010, 33(3): 545-555.
MENG Deyu, XU Chen, XU Zongben. A new manifold reconstruction method based on isomap[J].Chinese Journal of Computers, 2010, 33(3): 545-555.
[12] 王李进, 尹义龙, 钟一文. 逐维改进的布谷鸟搜索算法[J].软件学报, 2013, 24(11): 2 687-2 698.
WANG Lijin, YIN Yilong, ZHONG Yiwen. Cuckoo search algorithm with dimension improvement[J]. Journal of Software, 2013, 24(11): 2 687-2 698.
[13] 付华, 谢森, 徐耀松,等. 基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究[J].中国安全科学学报, 2013, 23(5): 56-61.
FU Hua, XIE Sen, XU Yaosong, et al. Study on MPSO-WLS-SVM based mine gas emission prediction model[J]. China Safety Science Journal, 2013, 23(5): 56-61.
[14] TENENBAUM J B, SILVA V D, LANGFORD J C. A global geometric framework for nonlinear dimensionality reduction[J]. Science, 2000, 290(5500): 2 319-2 323.
[15] 朱志洁, 张宏伟, 韩军,等. 基于PCA-BP神经网络的煤与瓦斯突出预测研究[J].中国安全科学学报, 2013, 23(4): 45-50.
ZHU Zhijie, ZHANG Hongwei, HAN Jun, et al. Prediction of coal and gas outburst based on PCA-BP neural network[J]. China Safety Science Journal, 2013, 23(4): 45-50.
[16] 郭德勇, 胡杰, 王彦凯,等. 煤与瓦斯突出层次-可拓预警技术及应用[J].中国安全科学学报, 2017, 27(1): 88-92.
GUO Deyong, HU Jie, WANG Yankai, et al. Coal and gas outburst early-warning technology and application based on AHP and extention theory[J]. China Safety Science Journal, 2017, 27(1): 88-92.

基于双耦合算法的煤与瓦斯突出预测模型

Study on double coupling algorithm based model for coal and gas outburst prediction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	熊晓夏, 刘擎超, 沈钰杰, 蔡英凤, 陈龙. 基于LSTM-BF的高速公路交通事故风险模型[J]. 中国安全科学学报, 2022, 32(5): 170-176.
[2]	唐飞, 王云刚, 杜炳成, 孔祥岩. 基于优化马尔可夫模型的煤矿事故死亡人数预测[J]. 中国安全科学学报, 2022, 32(4): 122-128.
[3]	张新生, 王旭业, 张莹莹, 常潆戈. 海底腐蚀管道剩余寿命预测与维修策略研究[J]. 中国安全科学学报, 2022, 32(3): 41-47.
[4]	高云骥, 罗越扬, 李智胜, 张玉春, 喻洋阳, 李涛. 分岔隧道火灾烟气回流长度及温度分布试验研究[J]. 中国安全科学学报, 2022, 32(3): 109-115.
[5]	郑度奎, 程远鹏, 李昊燃, 何天隆. IAFSA-GRNN在油田集输管道CO₂腐蚀速率预测中的应用^*[J]. 中国安全科学学报, 2022, 32(1): 110-117.
[6]	吴孟龙, 叶义成, 胡南燕, 王其虎, 李文, 江慧敏. 基于模糊信息粒化的矿业安全生产态势区间预测^*[J]. 中国安全科学学报, 2021, 31(9): 119-127.
[7]	张新生, 蔡宝泉. 基于改进随机森林模型的海底管道腐蚀预测^*[J]. 中国安全科学学报, 2021, 31(8): 69-74.
[8]	巫诚诚, 陈大伟. 交叉口非机动车冲突易发点空间预测模型^*[J]. 中国安全科学学报, 2021, 31(8): 165-171.
[9]	赵挺生, 庞奇志, 姜雯茜. 基于数据库与支持向量机的施工升降机安全风险预测[J]. 中国安全科学学报, 2021, 31(4): 11-17.
[10]	隆能增, 袁梅, 王关亮, 王清辉, 许石青, 李鑫灵. 煤与瓦斯突出微震-瓦斯互动响应预警研究[J]. 中国安全科学学报, 2021, 31(4): 125-132.
[11]	刘雨晴, 张培红. 大坡度倾斜巷道火灾烟气温度分布特征研究[J]. 中国安全科学学报, 2021, 31(4): 156-162.
[12]	张凯, 张科, 李昆. 主元分析-神经网络岩爆等级预测模型[J]. 中国安全科学学报, 2021, 31(3): 96-104.
[13]	栗婧, 王真, 秦亚茹, 汪振, 罗江昊. 不同噪声强度对煤矿工人作业失误率的影响研究[J]. 中国安全科学学报, 2021, 31(2): 179-184.
[14]	焦卫东, 姚军强, 王瑞冬. 基于凸包围盒的飞行冲突检测算法^*[J]. 中国安全科学学报, 2021, 31(12): 32-38.
[15]	刘阳, 张建经, 罗宏森, 于海莹, 向波. 基于贝叶斯网络的Fuzzy-SVM路基震害预测模型^*[J]. 中国安全科学学报, 2021, 31(11): 171-178.