基于GWO-BPNN-AdaBoost的巷道摩擦风阻预测模型

马恒; 王硕; 高科

doi:10.13885/j.issn.0455-2059.2025.03.012

兰州大学学报（自然科学版） ›› 2025, Vol. 61 ›› Issue (3) : 373 -377+383. DOI: 10.13885/j.issn.0455-2059.2025.03.012

基于GWO-BPNN-AdaBoost的巷道摩擦风阻预测模型

马恒, 王硕, 高科

作者信息 +

Author information +

文章历史 +

摘要

构建煤矿矿井的巷道摩擦风阻预测模型用于反映矿井的通风阻力特性.以MATLAB为基础,采用灰狼算法(GWO)改进反向传播神经网络(BPNN)与AdaBoost集成学习算法进行模型的训练与优化.用主成分分析法对实测数据中的7个预测特征进行降维处理,提取5个主成分作为模型的输入集,以矿井巷道的摩擦风阻作为模型的输出集,通过GWO-BPNN-AdaBoost模型进行巷道摩擦风阻预测,并以矿井实测数据验证模型预测的准确性.结果表明, GWO-BPNN-AdaBoost模型相较于BPNN-AdaBoost模型,平均相对误差降低3.7%;相较于BPNN模型,平均相对误差降低6.99%,证明该模型具有更高的预测精度,能够作为有效获取或修正矿井巷道摩擦风阻的工具.