基于SSA-SVM的巷道顶板空顶沉降量预测模型
于冰冰
李清
赵桐德
黄晨
高正华
中国矿业大学(北京)力学与建筑工程学院,北京 100083
摘要：为解决煤矿深部井巷工程巷道掘进顶板空顶期沉降量的预测问题,引入人工智能的支持向量机(SVM)工具,结合麻雀搜索优化算法(SSA),提出基于SSA-SVM的巷道顶板空顶沉降量预测模型.以内蒙古长城五矿深部地下巷道掘进过程的顶板空顶期位移量数据作为样本集合,选择单轴抗压强度(UCS)、岩石完整性(RQD)、地应力、巷道宽跨比、空顶时间、人为采动6项影响因素,通过适用性、相关性和归类一致性评价对数据的综合影响权重进行归纳整理.将十折交叉验证的准确率作为适应度函数,对不同种群数量的SSA-SVM预测模型展开训练和测试,通过误差相关系数(RMSE、MAPE、R2)、ROC曲线、AUC±Std、运行时间以及标准偏差率η等5方面来选择种群数量最优参数模型,并将该模型应用于1902S回风巷进行巷道掘进顶板空顶期的沉降量预测,同巷道实际矿压监测数据进行比较.研究结果表明:当种群数量为90时,SSA-SVM模型预测性能较好,训练样本的RMSE为0.0165,MAPE为 22.54％,R2为0.829 5;测试样本的RMSE 为 0.0156,MAPE 为 22.37％,R2为 0.849 0;真实度 AUC 达到最大 0.846 7,离散度 Std 最小为0.011 5;运行时间最短为8.723 9 s;标准偏差率维持在0.12％.在1902S回风巷现场应用中,预测值与实际值没有出现较大偏差,维持在线性拟合v=0.90x和y=1.10x范围内,误差相关系数与AUC±Std均符合试验精度要求,该模型的预测效果能够对后续的支护设计及补强支护作业提供重要的指导.
关键词：空顶期顶板沉降量支持向量机麻雀搜索算法误差相关系数
分类号：TD322(矿山压力与支护)
资助基金：国家自然科学基金(52074301)
论文发表日期：2024-09-30
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：15( 57-71 )
英文信息