任志玲，林 冬，夏博文，李 巍

(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)

基于GASA-SVR的矿井瓦斯涌出量预测研究*

任志玲*，林 冬，夏博文，李 巍

(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)

针对煤矿工作面瓦斯涌出量的多影响因素、非线性、时变性和不确定性等特点，提出了遗传模拟退火算法(GASA)与回归型支持向量机(SVR)的耦合算法(GASA-SVR)用于瓦斯涌出量预测。利用煤层瓦斯含量、深度、厚度、倾角等12个参数作为主要影响因素，经过归一化处理后作为回归型支持向量机训练和测试样本。采用遗传模拟退火算法寻找最优的惩罚参数和核函数参数，同时引入自适应交叉和变异概念，建立瓦斯涌出量的非线性拟合模型，并利用矿井实测历史数据进行试验，结果表明该预测模型比传统的神经网络模型具有更理想的精度和稳定性，可为煤矿瓦斯爆炸的防治提供可靠的理论依据。

遗传模拟退火;回归型支持向量机;瓦斯涌出量;预测

在我国煤矿事故中瓦斯事故发生率高达80%以上，并且随着开采深度的增加，其潜在影响将变得更加突出，因此，瓦斯涌出量的预测对瓦斯事故的预防与控制具有重要意义［1］。国内外普遍采用的瓦斯涌出量预测方法主要有分源计算法、数量化理论模型预测法和灰色系统理论预测法等，然而瓦斯涌出量是复杂的地质因素和多样的开采工艺综合作用的结果，具有高度非线性。近年来有学者将神经网络应引入到瓦斯涌出量预测中取得了不错的效果［2－3］，但是训练模型对样本依赖性高，泛化能力差，存在局部极值点，只是单纯地把模型考虑成复杂的非线性系统，忽视了各输入向量的物理属性，导致预测结果精度低。……