DOI: 10.11799/ce202404019
基于Stacking集成模型的煤层瓦斯含量预测研究
王琳1
周捷1
林海飞2
李文静1
张宇少1
1.西安科技大学 安全科学与工程学院,陕西 西安 7100542.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等学校重点实验室,陕西 西安 710054
摘要：煤层瓦斯含量精准预测是预防井下瓦斯灾害事故的重要环节,为提高井下瓦斯含量预测的科学性及准确性,获取不同矿区的 41 组数据,包括瓦斯含量、埋深、煤厚、水分、灰分以及挥发分.对最小二乘支持向量机(LSSVM)、深度信念网络(DBN)、长短期记忆(LSTM)、Elman神经网络及自适应增强(Adaboost)五种算法进行初选,得到最优基模型为最小支持二乘向量机、自适应增强以及深度信念网络.通过基模型集成得到 7 种瓦斯含量预测模型,得到Stacking-LSSVM-Adaboost、Adaboost、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN四种模型为优选模型.采用判定系数、平均绝对误差、均方根误差以及平均绝对百分比误差四种预测评价指标对优选出的四种模型进行综合评估,选择MAE<0.2、RMSE<0.3 且MAPE<10 的模型作为最终瓦斯含量预测模型.结果表明,Stacking-LSSVM-Adaboost-DBN集成模型判定系数为 0.951,MAE、RMSE和MAPE分别为0.170、0.204 及7.412,所建立模型拥有较高预测精度,可为矿井瓦斯灾害防治提供一定依据.
关键词：瓦斯含量预测Stacking集成五折交叉验证模型优选模型评价
分类号：TD821(矿山开采)
资助基金：国家自然科学基金(52174207)陕西省杰出青年科学基金(2020JC-48)陕西省自然科学基金(2019JLP-02)
论文发表日期：2024-04-20
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：8( 125-132 )
英文信息