矿业安全与环保

作者：星宁江, 周文铮, 刘雨竹

关键词：瓦斯涌出量, 概念漂移, 量子遗传, 极限学习机, 预测方法

针对现有的瓦斯涌出量预测方法普遍未定量分析数据自身因素影响的问题，提出一种改进量子遗传算法(IQGA)优化极限学习机(ELM)瓦斯涌出量预测模型。采用孤立森林(iForest)算法检测绝对瓦斯涌出量的概念漂移，并选择Attention机制的CNN-BiLSTM算法修正概念漂移异常值；利用相关性分析法(PCC)降维处理输入变量，确定预测模型的辅助变量；引入动态调整量子旋转角、量子交叉、量子变异及量子灾变操作获得改进量子遗传算法(IQGA)，提升算法寻优能力和泛化能力，使用IQGA对ELM参数寻优。以决定系数( R 2)、平均绝对误差(MAE)、均方根误差(RMSE)及平均绝对百分比误差(MAPE)为指标进行评估，结果表明: IQGA-ELM模型测量误差最小，指标分别为0.985、0.018、0.026及2.56%，预测效果优于其他模型，预测精确度更高。

来源：2024年第5期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2024年第5期