基于LSSA-BP神经网络的煤层瓦斯含量预测方法研究
侯恩科1
荣统瑞1
卫勇锋2
夏冰冰1
谢晓深1
1.西安科技大学 地质与环境学院,陕西 西安 710054;陕西省煤炭绿色开发地质保障重点实验室,陕西 西安 7100542.陕西陕煤黄陵矿业有限公司,陕西 黄陵 727307
摘要：为提高煤层瓦斯含量预测的精准性和可靠性,提出基于Logistic混沌映射改进的麻雀搜索算法优化BP神经网络的煤层瓦斯含量预测模型(LSSA-BP模型).先通过灰色关联分析法(GRA)筛选瓦斯含量的主控因素作为LSSA-BP预测模型的输入层节点数,后利用Logistic混沌映射初始化麻雀种群以增加种群多样性,再采用LSSA对BP神经网络的权值和阈值进行优化,解决了单一BP模型收敛速度慢和易陷入局部极小的问题;通过模型应用,将LSSA-BP、SSA-BP和BP模型的预测结果进行对比.结果表明:LSSA-BP预测模型的平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为 0.3469 m3/t、0.1721 m3/t、0.4149 m3/t和 27.4036%,均优于其他模型,提高了煤层瓦斯含量预测的准确性和稳定性.
关键词：煤层瓦斯含量BP神经网络麻雀搜索算法Logistic混沌映射灰色关联分析
分类号：TD712(矿山安全与劳动保护)
资助基金：陕煤集团科研计划资助项目(2021SMHKJ-BK-J-01)陕煤集团科研计划资助项目(2020SMHKJ-C-52)
论文发表日期：2023-11-20
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：7( 55-61 )
英文信息