基于CPO-LSSVM的煤层底板突水量等级预测模型

摘要

为了更精准、高效地预测煤层底板突水量等级，提出了基于CPO-LSSVM的煤层底板突水量等级预测模型。首先利用冠豪猪优化(CPO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，再通过LSSVM的最小二乘损失函数优化预测模型，运用LSSVM在特征空间中划分最优超平面的方式对煤层底板突水量等级进行预测。根据收集的突水事故数据及查阅的文献，选取影响煤层底板突水的关键因素作为模型的输入指标，对突水量等级进行划分。选取27组样本数据，通过数据增强的方式扩充至152组，划分对应的训练集及测试集，并将CPO-LSSVM与CPO-BPNN、OOA-LSTM及PSO-BPNN模型的预测结果进行对比分析。结果表明：相较于其他三种模型，CPO-LSSVM模型的预测准确率分别提高了15.00%、2.22%、24.33%,宏精确率分别提高了9.26%、1.01%、31.80%,宏召回率分别提高了12.06%、2.86%、20.50%,宏F1分数分别提高了10.66%、1.94%、26.15%。将CPO-LSSVM模型实际应用于杨庄煤矿4个巷道，其预测结果与工程实际情况相符合，验证了模型的稳定性与适用性。

关键词

煤层底板 / 突水量等级 / 预测模型 / 冠豪猪优化算法 / 最小二乘支持向量机

基金资助

山西省基础研究计划项目(202203021222300); 国家自然科学基金地区基金项目(52464020); 内蒙古自然科学基金项目(2024LHMS05012); 山西大同大学基础研究项目(2022Q38)