基于GA-SVM的煤矿采空区瓦斯涌出量预测方法

摘要

为解决煤矿采空区瓦斯涌出量预测精度低、传统模型泛化能力弱的问题，提出一种基于遗传算法（GA）优化支持向量机（SVM）的瓦斯涌出量预测方法。首先，分析影响采空区瓦斯涌出的关键因素，通过数据预处理剔除异常值并完成归一化；其次，利用GA算法对SVM的惩罚因子和核函数参数进行全局寻优，解决SVM参数选择依赖经验的缺陷；最后，以某煤矿实际监测数据为样本，构建GA-SVM预测模型，并与单一SVM模型、BP神经网络模型进行对比实验。结果表明：GA-SVM模型的平均绝对误差(E_MA)、均方根误差(E_RMS)分别较单一SVM模型降低32.6%、28.3%，较BP神经网络模型降低45.1%、41.2%，预测精度和稳定性显著优于对比模型。该方法可为煤矿采空区瓦斯防治提供可靠的理论支撑和数据参考。

关键词

煤矿采空区 / 瓦斯涌出量 / 遗传算法 / 支持向量机 / 参数优化 / 预测模型