基于NMF-HGS-RF的瓦斯涌出量预测研究

• Published in: 矿业安全与环保 Vol. 50; no. 3; pp. 117 - 123
• Main Authors: 周旭, 杨佳鹏, 俎毓伟, 张九零
• Format: Journal Article
• Language: Chinese
• Published: 华北理工大学 矿业工程学院,河北 唐山 063210%华北理工大学 理学院,河北 唐山 063210 01.06.2023
• Subjects: 随机森林; 参数优化; 降维; 瓦斯涌出量预测; 饥饿游戏搜索; 非负矩阵分解
• ISSN: 1008-4495
• DOI: 10.19835/j.issn.1008-4495.2023.03.020

TD712; 瓦斯涌出量与开采环境和开采技术之间存在复杂的非线性关系,为了精准预测瓦斯涌出量,提出将非负矩阵分解(NMF)和随机森林(RF)相结合,建立煤层瓦斯涌出量预测模型.对沈阳某矿井数据的13 个特征指标进行非负矩阵分解实现降维,将提取的 5 个主要成分作为RF的输入,瓦斯涌出量作为输出,实现回归预测.运用饥饿游戏搜索算法(HGS)对RF进行参数优化,并与麻雀搜索算法(SSA)、冠状病毒群体免疫优化算法(CHIO)、遗传算法(GA)、算数优化算法(AOA)、Aquila优化器算法(AO)、阿基米德算法(ArchOA)参数优化结果进行对比.实验结果显示:NMF-HGS-RF的收敛速度相对较快,预测精度相对较高,其相对误差的平均值为 4.74%,而 NMF-RF、NMF-SSA-RF、NMF-CHIO-RF等模型相对误差的平均值分别为 6.34%、5.85%、6.21%、8.49%、4.95%、6.11%和7.93%.结果表明:NMF-RF预测精度高于未经降维处理的RF,且NMF-HGS-RF相比其他参数寻优后的RF具有更好的预测性能.