煤炭工程

作者：王琳,周捷,林海飞,李文静,张宇少

单位：1. 西安科技大学2. 陕西省西安市碑林区雁塔中路58号（西安科技大学研究生院）3. 西安科技大学安全科学与工程学院

关键词：瓦斯含量预测 , Stacking集成 , 五折交叉验证 , 模型优选 , 模型评价,

煤层瓦斯含量精准预测是预防井下瓦斯灾害事故的重要环节，为提高井下瓦斯含量预测的科学性及准确性，获取不同矿区的41组数据，包括瓦斯含量、埋深、煤厚、水分、灰分以及挥发分。对最小二乘支持向量机（LSSVM）、深度信念网络（DBN）、长短期记忆（LSTM）、Elman 神经网络及自适应增强（Adaboost）五种算法进行初选，得到最优基模型为最小支持二乘向量机、自适应增强以及深度信念网络。通过基模型集成得到7种瓦斯含量预测模型，得到Stacking-LSSVMAdaboost、Adaboost、Stacking-Adaboost-DBN和Stacking-LSSVM-Adaboost-DBN四种模型为优选模型。采用判定系数、平均绝对误差、均方根误差以及平均绝对百分比误差四种预测评价指标对优选出的四种模型进行综合评估，选择MAE<0.2、RMSE<0.3且MAPE<10的模型作为最终瓦斯含量预测模型。结果表明，Stacking-LSSVM-Adaboost-DBN集成模型判定系数为0.951，MAE、RMSE和MAPE分别为0.170、0.204 及7.412，所建立模型拥有较高预测精度，可为矿井瓦斯灾害防治提供一定依据。

来源：2024年第4期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2024年第4期