基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究_中国煤炭行业知识服务平台

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

作者

田水承任治鹏马磊
单位

西安科技大学安全科学与工程学院西安科技大学安全与应急管理研究所
摘要

为提升煤层瓦斯含量预测精度，提出一种采用遗传模拟退火算法混合优化支持向量机（SVM）参数的瓦斯含量预测模型（GRA-GASA-SVM模型）。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数，以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析（GRA）压缩数据集维度，建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明：SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型，GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。
关键词

遗传算法(GA)模拟退火算法(SA)支持向量机(SVM)煤层瓦斯含量灰色关联分析(GRA)
基金项目(Foundation)

国家自然科学基金面上项目（51874237）；国家自然科学基金联合基金重点支持项目（U1904210）；
文章目录

0 引言
1 模型构建
1.1 相关理论
1.2 建立GASA-SVM预测模型
2 现场应用
2.1 建立预测样本数据集及预测指标
2.2 模型训练与性能评估
3 结语