PSO-SVM模型在掘进工作面突出预警系统中的应用
李鑫灵1
袁梅2
董洪3
陈国洪3
许石青2
隆能增1
1.贵州大学 矿业学院,贵州 贵阳 5500252.贵州大学 矿业学院,贵州 贵阳 550025;复杂地质矿山开采安全技术工程中心,贵州 贵阳 5500253.贵州林华矿业有限公司,贵州 毕节 551700
摘要：为实现掘进工作面煤与瓦斯突出风险快速、准确预警,借助工作面瓦斯涌出特征与突出"三要素"之间变化关系建立了含地应力系数、瓦斯体积分数及瓦斯涌出系数等参数的实时预警指标体系;将SVM、PSO 2种算法结合构建了PSO-SVM突出预警模型,界定了突出预警等级标签的划分原则;在此基础上融合Spark大数据平台开发了掘进工作面突出预警系统,系统包括模型管理、风险识别及Spark配置等8个模块.以贵州某矿掘进工作面监测监控系统为数据源,筛选其中1059组预警指标及对应预警等级标签导入数据挖掘模型进行智能化学习及训练,并将系统应用于该掘进工作面突出风险预警.运行结果表明突出预警模型测试集的预测精度为92％,系统能在工作面突出动力现象发生前22 min准确预警.
关键词：煤与瓦斯突出瓦斯异常涌出PSO-SVM模型大数据平台预警系统预警指标
分类号：TD712(矿山安全与劳动保护)
资助基金：国家自然科学基金(51864009)
论文发表日期：2021-09-20
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：6( 90-95 )
英文信息