基于量子遗传模糊推理系统的煤与瓦斯突出预测模型
郭金栋
淮南职业技术学院 能源工程学院,安徽 淮南 232001
摘要：为提高煤与瓦斯突出危险程度预测的准确性,提出一种基于自适应神经模糊推理系统(ANFIS)结合改进实数编码量子遗传算法(IRQGA)的预测模型IRQGA-ANFIS.用基于数据驱动的方法从样本数据直接提取模糊规则,建立煤与瓦斯突出ANFIS预测模型.针对ANFIS预测准确率较低以及模糊推理系统参数量大的特点,采用IRQGA对模糊推理系统进行训练.IRQGA引入秃鹰算法的阿基米德螺线空间搜索机制更新个体;用差分变异策略更新种群最差个体,保持种群多样性;用高斯-柯西变异策略扰动优秀个体使其快速脱离局部极值区,加快算法收敛速度.实验结果表明,IRQGA在高维复杂问题优化中比实验对比算法具有更好的优化性能;IRQGA-ANFIS模型的预测准确率达94.44%;所建模型 30 次独立运行的MAE均值相较对比模型分别降低了 0.0245和0.1184,MSE均值分别降低了 0.0162 和 0.1849,RMSE 均值分别降低了 0.0172 和 0.1721.IRQGA-ANFIS具有更高的预测准确率和更好的预测能力.
关键词：煤与瓦斯突出预测ANFIS实数编码量子遗传算法阿基米德螺线空间搜索高斯-柯西变异
分类号：TD713(矿山安全与劳动保护)X936(安全工程)
资助基金：安徽省高校自然科学研究重点项目(2022AH052998)安徽省高等学校省级质量工程项目(2022zygzsj052)淮南职业技术学院自然科学研究项目(HKJ22-2)
论文发表日期：2023-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 30-37 )
英文信息