煤炭工程

作者：陈攀,马鑫民,向俊杰,等

单位：1. 云南省水利水电勘测设计院有限公司；2. 中国矿业大学（北京）；3. 中国矿业大学（北京）力学与土木工程学院；

关键词：随机森林,煤矿巷道,顶板位移,机器学习,预测,

煤巷围岩稳定控制是保障煤矿安全高效开采的关键,煤巷顶板位移量是反应煤巷围岩稳定性的关键指标,本研究提出机器学习方法对煤巷顶板位移进行超前预测研究。确定了煤巷顶板位移的8个重要影响指标,建立了煤巷顶板位移预测数据库并对数据进行了指标相关性和重要性分析。基于RF、GA-SVM和GA-ANN分别建立了三种煤巷顶板位移预测模型,选用RMSE、MAE和R2三个指标来评价模型的性能。结果显示,RF模型测试性能最佳, R2=0.909, RMSE=20.475,MAE=16.790,GA-ANN模型的性能最差。采用十折交叉方法对RF模型和GA-ANN模型进行可靠性验证,结果显示RF模型的稳定性更高,平均R2为0.891。将RF模型应用到干河煤矿2-1121巷,预测值与实际值的绝对误差为19 mm,相对误差为11.18%,说明了RF模型对煤巷顶板位移预测的准确性与可靠性,研究结果对煤巷顶板位移预测提供了一种新途径。

来源：2024年第7期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2024年第7期