煤田地质与勘探

作者：刘奇, 梁智昊, 訾建潇,

关键词：煤矿防治水, 回归过采样, 导水裂隙带, 高度预测, 变异粒子群算法, 模型优化,

目的导水裂隙带高度是顶板(涌)突水、地下水资源流失的重要影响因素之一，是矿井防治水研究的重点。方法为了准确地预测煤层顶板导水裂隙带高度，选取开采深度、采高、煤层倾角、工作面斜长、硬岩岩性比例系数和开采方法作为导水裂隙带高度的主要影响因素，搜集200例导水裂隙带高度实测样本作为模型数据集。首先，采用自适应高斯噪声过采样方法(synthetic minority over-sampling technique for regression with Gaussian noise，SMOGN)对原始数据集进行过采样，结合8折交叉验证，将平均绝对误差(EMA)、均方根误差(ERMS)和决定系数(R2)作为回归模型评价指标，确定最优的BP神经网络结构，然后采用变异粒子群优化算法(mutation particle swarm optimization，MPSO)，对神经网络的初始权值和阈值进行优化，最后将优化后的预测模型进行工程现场应用。结果和结论结果表明：该数据集下，BP神经网络采用Huber loss和Adam一阶优化算法，训练速度和稳定性均得到提升，最优激活函数为Tanh，最优隐藏层节点数为12。当MPSO种群数量为50时，模型性能最好，经过SMOGN过采样和MPSO超参数优化，最终训练集的EMA为0.163，ERMS为0.216，R2为0.948，验证集的EMA为0.260，ERMS为0.341，R2为0.901。在现场应用中模型预测的相对误差均在9%以下。结果表明结合SMOGN技术和MPSO超参数优化技术，显著提高了模型的稳定性和泛化性能，改善了样本分布特征，提高了样本利用效率和模型预测效果，对导水裂隙带高度模型的训练和预测具有重要的借鉴意义。

来源：2024年第11期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2024年第11期