基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型 |
| |
引用本文: | 邵良杉,高英超.基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型[J].中国安全生产科学技术,2023(8):94-99. |
| |
作者姓名: | 邵良杉 高英超 |
| |
作者单位: | 1. 辽宁工程技术大学系统工程研究所;2. 辽宁理工学院 |
| |
基金项目: | 国家自然科学基金项目(71771111); |
| |
摘 要: | 为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明:MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。
|
关 键 词: | 煤与瓦斯突出预测 马尔科夫链蒙特卡罗(MCMC) 麻雀搜索算法(SSA) 数据填补 支持向量机(SVM) |
|
|