基于PSO-RVM的落煤瓦斯涌出量预测

张研; 黄兰淘; 唐北昌; 袁普龙

doi:10.16355/j.tyut.1007-9432.20240525

太原理工大学学报 ›› 2025, Vol. 56 ›› Issue (04) : 742 -749. DOI: 10.16355/j.tyut.1007-9432.20240525

基于PSO-RVM的落煤瓦斯涌出量预测

张研, 黄兰淘, 唐北昌, 袁普龙

作者信息 +

Author information +

文章历史 +

摘要

【目的】为提高落煤瓦斯涌出量预测精度，提出一种粒子群优化算法（particle swarm optimization, PSO）和相关向量机（relevance vector machine, RVM）相结合的落煤瓦斯涌出量预测方法。【方法】通过RVM建立解吸强度与其影响因素之间的非线性映射关系，利用粒子群优化算法对RVM核参数进行寻优，构建基于PSO-RVM的瓦斯解吸强度与时间预测模型，对瓦斯涌出量进行预测。【结果】在相同样本数据集下的实验结果表明：与GA-BP(genetic algorithm-back)神经网络模型和BP神经网络模型相比，PSO-RVM模型对瓦斯涌出量预测结果的平均相对误差和均方根误差仅为1.04%和0.01，决定系数0.995。该模型精度更优、可信度更高，为落煤瓦斯涌出量的预测提供了一种新的方法。