基于NMF-HGS-RF的瓦斯涌出量预测研究
周旭1
杨佳鹏2
俎毓伟2
张九零1
1.华北理工大学 矿业工程学院,河北 唐山 0632102.华北理工大学 理学院,河北 唐山 063210
摘要：瓦斯涌出量与开采环境和开采技术之间存在复杂的非线性关系,为了精准预测瓦斯涌出量,提出将非负矩阵分解(NMF)和随机森林(RF)相结合,建立煤层瓦斯涌出量预测模型.对沈阳某矿井数据的13 个特征指标进行非负矩阵分解实现降维,将提取的 5 个主要成分作为RF的输入,瓦斯涌出量作为输出,实现回归预测.运用饥饿游戏搜索算法(HGS)对RF进行参数优化,并与麻雀搜索算法(SSA)、冠状病毒群体免疫优化算法(CHIO)、遗传算法(GA)、算数优化算法(AOA)、Aquila优化器算法(AO)、阿基米德算法(ArchOA)参数优化结果进行对比.实验结果显示:NMF-HGS-RF的收敛速度相对较快,预测精度相对较高,其相对误差的平均值为 4.74%,而 NMF-RF、NMF-SSA-RF、NMF-CHIO-RF等模型相对误差的平均值分别为 6.34%、5.85%、6.21%、8.49%、4.95%、6.11%和7.93%.结果表明:NMF-RF预测精度高于未经降维处理的RF,且NMF-HGS-RF相比其他参数寻优后的RF具有更好的预测性能.
关键词：饥饿游戏搜索非负矩阵分解随机森林参数优化降维瓦斯涌出量预测
分类号：TD712(矿山安全与劳动保护)
资助基金：河北省省属高校基本科研业务费项目(JQN2021011)河北省博士研究生创新资助项目(CXZZBS2021102)
论文发表日期：2023-06-10
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：7( 117-123 )
英文信息