基于SSA-LSTM采动覆岩裂隙带高度预测方法研究
林海飞1
张宇少2
周捷3
葛佳琪2
李文静2
王琳2
王锴2
1.西安科技大学安全科学与工程学院,陕西西安 710054;西部煤矿瓦斯灾害防控陕西省高校重点实验室,陕西西安 7100542.西安科技大学安全科学与工程学院,陕西西安 7100543.陕西能源职业技术学院,陕西西安 710054
摘要：采动覆岩裂隙带高度决定了卸压瓦斯抽采钻孔终孔或巷道层位布置参数,为进一步提高其预测精度,采集了不同矿区的361组数据,分析了采动裂隙带高度与采高、煤层倾角、工作面斜长、采深、硬岩岩性比例系数之间的关系;采用深度信念网络(DBN)、长短期记忆网络(LSTM)、Elman神经网络(ENN)等3种机器学习算法对采动裂隙带高度进行五折交叉验证,基于判定系数、均方根误差、平均绝对误差、平均绝对百分比误差等常用评价指标,筛选出LSTM为初步预测模型;采用遗传算法(GA)和麻雀搜索算法(SSA),对采动裂隙带高度LSTM预测模型进行优化,得到LSTM、GA-LSTM、SSA-LSTM 3种模型的预测结果.结果表明:SSA-LSTM预测模型较LSTM、GA-LSTM预测模型预测结果更优,其判定系数、均方根误差、平均绝对误差、平均百分比误差分别为0.991、0.329、0.148、0.017,各精度评估指标均符合判定要求,所构建的采动裂隙带高度预测模型精度较高且具有一定普适性.
关键词：采动裂隙带高度预测方法机器学习长短期记忆网络麻雀优化
分类号：TD712.6(矿山安全与劳动保护)TD325(矿山压力与支护)
资助基金：陕西省教育创新团队建设科研计划项目(21JP075)国家自然科学基金(51734007)
论文发表日期：2024-06-10
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：8( 8-15 )
英文信息