张 瑞 李雅梅

(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

瓦斯是引发煤矿安全事故的主要因素之一。瓦斯涌出量的精确预测，是预防煤矿瓦斯事故的重要前提。针对此项工作，已有众多学者提出了较为有效的预测方法，如：矿山统计法、瓦斯地质数学模型法、分源预测法等线性瓦斯预测方法，以及卡尔曼滤波法、神经网络预测法、灰色系统法、主成分回归分析法、聚类分析法等非线性瓦斯预测方法。但上述预测模型也存在着一定的缺陷，如：神经网络模型需要选择模型及参数，存在着收敛速度慢等缺点[1]；灰色理论预测当原始数据序列波动大并且信息过于分散时，预测精度将会降低[2]；聚类分析法中隶属度的确定受人为因素影响较大[3]。且上述各种方法都不能很好地解决实际工作中普遍存在的变量之间多重共线性问题[4]。

针对以上现状，提出基于主成分分析PCA与双层狼群算法LWCA优化最小二乘支持向量机LS-SVM相耦合的预测模型。该模型首先引入PCA对数据进行降维处理，保留绝大部分信息的同时，降低了数据的维度。然后利用LS-SVM求解速度快、泛化能力强的特点[5]对瓦斯涌出量进行预测。为了进一步提升预测模型的性能，借鉴文献[6]利用LWCA优化Elman神经网络ENN(Elman Neural Network)参数的思想，采用LWCA来优化LS-SVM的参数，改善了传统的群体智能算法收敛速度慢，易陷入局部最优解等问题[7]，在简化了模型求解过程的同时提高了模型的预测精度。同时由于利用LS-SVM进行瓦斯涌出量的预测，改善了神经网络需要大量训练样本及训练时间长的缺点。……