基于改进FOA-SVM的冲击地压危险性等级预测

对冲击地压危险性进行准确的预测预报对于防治冲击地压事故的发生至关重要。提出利用改进的果蝇优化算法(FOA)优化参数,建立模型实现对冲击地压危险性等级的预测。首先,利用文献提供的砚石台煤矿实测数据作为样本,选取影响冲击地压发生的十种主要因素如煤厚、埋深、倾角等,对数据进行归一化预处理和主成分分析。利用改进FOA的全局优化能力对SVM进行寻优,继而建立FOA-SVM模型;然后对23组训练样本进行训练,检验得模型误判率为0;最后将模型用于另外12组现场采集数据进行测试,并与标准FOA-SVM、PSO-SVM和GA-SVM预测结果进行比较。结果表明:改进的FOA-SVM模型适用于冲击地压危险性等级预测且预测精度较高。     

基于GA-SVM的矿井涌水量预测

矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型（GA-SVM）来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。