郑丽媛，孙　朋，张素君

(1 河南科技学院机电学院，河南新乡　453003 ；2 辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛　125105)

0　引言

瓦斯涌出是煤矿生产中的最主要的不安全因素，对矿井的各个方面有直接的影响。因此，准确预测瓦斯涌出量对于提高矿井安全、提升经济效益具有重要的意义[1]。

近几年，国内外的很多学者用不同理论在不同的条件下，对矿井的瓦斯涌出量预测方法建立模型，比如，神经网络法[2]、灰色系统法[3]、遗传规划法[4]和分源预测法[5]等，在瓦斯预测方面取得了一定的进步，但均存在一定的缺点。以往的理论建立的瓦斯预测模型中，支持向量机(SVM)虽然已经应用到瓦斯突出预测，同时利用支持向量机(SVM)将同一采煤点的开采深度、瓦斯压力、煤的坚固系数等主要因素纳入考虑，但是受到SVM参数调节的影响，存在着预测精度低和泛化能力弱的弊端。所以要提高瓦斯涌出量的预测精度，就必须对建立的预测模型中的参数进行优化。采用粒子群算法[6-7]不仅可以对模型中的参数优化，而且可以确定建立的瓦斯涌出量模型的最佳参数。

由于瓦斯数据具有非线性、高维等特点，文中采用针对其特点的支持向量机法，同时为了克服支持向量机的预测精度受自身参数影响大缺点，采用粒子群优化支持向量机参数，充分利用这两种方法的优点，建立瓦斯涌出量的PSO-SVM预测模型。

1　预测模型原理及参数优化

1．1基本原理

在整个的瓦斯涌出量预测过程中，如何确定合适的预测模型参数，是提高预测精度的前提。……