文章摘要:针对现有基于支持向量机（SVM）的煤与瓦斯突出预测方法存在准确率低与响应速度慢的问题，提出了一种基于改进灰狼算法（IGWO）优化SVM的煤与瓦斯突出危险性预测方法。采用灰色关联熵权法分析各个影响因素对煤与瓦斯突出的影响程度，根据关联度排序提取瓦斯压力、瓦斯含量、瓦斯放散初速度和开采深度作为煤与瓦斯突出主控因素，将其分为训练集和测试集，并进行归一化处理；为改善传统灰狼算法（GWO）种群易陷入局部最优和寻优速度慢的缺陷，引入越界处理机制和嵌入莱维飞行的随机差分变异策略对GWO算法进行改进（即IGWO），有效提升了GWO的收敛精度与速度；采用IGWO对SVM的核心参数和惩罚参数进行优化，将煤与瓦斯突出的主控因素输入到IGWO-SVM中进行分类，并将其与实际测试集分类结果进行对比，实现煤与瓦斯突出危险性预测。仿真结果表明：与基于鲸鱼算法-支持向量机（WOA-SVM）、灰狼算法-支持向量机（GWO-SVM）和粒子群-支持向量机（ PSO-SVM）的预测方法相比，基于IGWO-SVM的预测方法具有更高的预测精度，在提高SVM运算效率的同时满足煤与瓦斯突出预测的精度和可靠性要求，准确率达到96.67%，预测速度为5.58 s。

文章关键词:

论文作者:李燕 南新元 蔺万科 

作者单位:新疆大学电气工程学院 

论文DOI:10.13272/j.issn.1671-251x.2021070072

论文分类号:TP18;TD713

文章来源：《工矿自动化》 网址: http://www.gkzdhzz.cn/qikandaodu/2022/0308/1260.html