煤与瓦斯突出预测的 QGA －LSSVM 模型.pdfVIP

第 11卷 第5期 中 国安 全 生 产 科 学 技 术 Vo1．1lNO．5 2015年 5月 JournalofSafetyScienceandTechnology Mav2015 文章编号：1673—193X(2015)一05—0005—08 煤与瓦斯突出预测的 QGA—LSSVM模型冰 温廷新 ，孙红娟，张 波，邵 良杉，孔祥博 (辽宁工程技术大学 系统工程研究所 ，辽宁 葫芦岛 125105) 摘 要：为快速、有效地对煤与瓦斯突出类型作出预测 ，运用灰色关联和因子分析模型对所选主要 的判别指标进行分析提取，利用量子遗传算法(QGA)对最小二乘支持向量机 (LSSVM)的参数作寻 优处理，最终建立QGA—LSSVM煤与瓦斯突出预测模型。选取从砚石台矿区历史实测的数据，以 96：20的比例对该模型进行训练与测试 ，并将预测结果与其他预测模型的预测效果进行了比较。 研究结果表明：对判别指标进行灰色关联分析可以有效去除对煤与瓦斯突出影响作用小的指标； 用因子分析进行公共因子提取，可以有效减少数据信息冗余；利用QGA优化的LSSVM模型能使结 果避免陷人局部最优解，用该模型可以有效预测煤与瓦斯突出类型，误判率为0。 关键词：煤与瓦斯突出；突出预测；灰色关联；因子分析；量子遗传算法；最小二乘支持向量机 中图 分类号：X936 文献标志码：A doi：10．11731／j．issn．1673-193x．2015．05．001 PredictionmodelforoutburstofcoalandgasbasedonQGA-LSSVM WENTing—xin，SUNHong—juan，ZHANGBo，SHAOLiang-shan，KONGXiang—bo (SystemEngineeringInstitute，LiaoningTechnicalUniversity，HuludaoLiaoning125105，China) Abstract：Topredicttheoutbursttypeofcoalandgasquicklyandeffectively，themaininfluencefactorswereana- lyzedandextractedbygraycorrelationandfactoranalysismode1．Thequantum geneticalgorithm(QGA)was印一 pliedtooptimizetheparametersoftheleastsquaressupportvectormachine(LSSVM)．Finally，thepredictionmod- elforoutburstofcoalandgasbasedonQGA—LSSVMwasestablished．Byselectingthehistoricalmeasureddata setsinYanshitaiminingarea，themodelwastrainedandtestedbytheproportionof96：20，andthepredictionre- sultswerecomparedwiththeresultsofotherpredictionmodels．Theresultsshowed thatitcan effectivelyremove thefactorswhichhavealittleimpactontheoutburstofcoalandgasbygraycorrelationanalysis，anditcanreduce dataredundancybyusingfactoranalysistoextractthecommonfactors．TheLSSVM modelafteroptimizationby QGAcanavoidtheresultstofallintothelocaloptimalsolution，anditcaneffectivelypredicttheoutburstty