煤炭科学技术

作者：于小鸽, 刘燚菲, 翟培合,

关键词：矿井突水, 水源识别, 主成分分析(PCA), 改进鲸鱼优化算法(AWOA), 极限学习机(ELM),

矿井突水是煤矿生产过程最具威胁的灾害之一，为了保障煤矿安全生产，提高矿井突水水源识别精度，提出一种基于改进鲸鱼优化算法（AWOA）耦合极限学习机的水源识别模型。以岱庄煤矿为例，选取Na+、Ca2+、Mg2+、Cl−、SO4 2−、HCO3 −作为判别指标，基于SPSS因子分析提取评价指标主成分，6种离子间相关性较大，Ca2+和Mg2+，Ca2+、Mg2+与SO4 2−、Cl−之间的相关性均达到了0.7以上，SO4 2−和Cl−之间的相关性也达0.68，通过主成分分析提取了3个主成分，从六维空间降低到三维空间，在减少了样本指标之间信息重复的同时，也减少了极限学习机输入层数量，提高了模型对各类型数据的泛化能力。其次，引入混沌动态权重因子和精英反向机制对鲸鱼算法进行改进，改进的鲸鱼优化算法克服了极限学习机权值阈值随机取值的缺点，混沌动态权重因子、精英反向机制的引入降低了模型计算复杂度，提高了算法精度，算法速度，跳出了局部寻优。通过训练38组样本数据，优化极限学习机的权值和阈值，最终构建PCA-AWOA-ELM水源识别模型，并对10组未知的测试样本进行预测。结果表明，PCA-AWOA-ELM模型的预测精度达100%，PCA-WOA-ELM模型精度为90%，PCA-ELM、ELM模型精度为60%，PCA-AWOA-ELM模型识别精度、运行速度、稳定性均明显高于PCA-WOA-ELM模型、PCA-ELM模型和ELM模型，为矿井安全生产提供了重要保障。

来源：2023年第3期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2023年第3期