[發明專利]基于SSA-CIRCLE-ELM模型的煤層瓦斯涌出量預測方法

在審

• 申請號: 202210281912.5
• 申請日: 2022-03-22
• 公開（公告）號: CN114611406A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 鄒超;鄭萬波;杜亮;曹繼翔;張凌寒;周向東;史耀軒;馮向濤;寇安;盧延河;茍斌;冉啟華;李旭
• 申請（專利權）人: 中鐵一局集團第四工程有限公司;昆明理工大學;云南衛士盾科技有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/16;G06F119/02
• 代理公司: 昆明隆合知識產權代理事務所(普通合伙) 53220
• 代理人: 何嬌

本發明基于SSA?CIRCLE?ELM模型的煤層瓦斯涌出量預測方法，屬于瓦斯預測技術領域。本發明方法包括：利用CIRCLE混沌映射對麻雀搜索算法的搜索空間進行初始化；再使用麻雀搜索算法優化極限學習機的SLFN節點，使其參數生成連續概率分布；構建多維狀態矩陣，使用極限學習機對多維狀態矩陣進行特征映射并使其誤差函數最小；再利用優化后極限學習機對瓦斯數據進行預測。本發明能構建出SSA?CIRCLE?ELM模型的煤層瓦斯涌出量預測方法。

技術領域

本發明基于SSA-CIRCLE-ELM模型的煤層瓦斯涌出量預測方法，屬于瓦斯預測技術領域。

背景技術

在煤炭行業，針對區域性的瓦斯系統還有待開展進一步研究。除巖石變形、應力集中、應力集中、應力疊加以外，還應開展多層次多方位一體化瓦斯涌出量預測模型研究。煤礦瓦斯涌出量具有模糊性、不可知性和隨機性等特點，這樣的特點使得傳統預測方法不能對瓦斯涌出量進行精準預測。基于瓦斯事故突發性、復雜性，如何準確掌握瓦斯涌出規律和開展精確快速預測瓦斯是是提前控制瓦斯大規模涌出的關鍵。基于瓦斯的貯存條件，使得瓦斯涌出具有一定的混沌特性，信息的交雜性使得煤與瓦斯這一地質系統成為了一個疊加原理不再成立的非線性系統。從原始瓦斯含量、埋深、煤厚、采高、采出率、鄰近層瓦斯含量、開采強度等多種因素分析瓦斯系統。國內有學者在煤礦瓦斯特大事故的基礎上，分析了瓦斯事故發生的本質原因，其他客觀因素缺陷的煤礦突發事件模型，根據系統的各個環節進行詳細分析。對實例進行分析模擬，提出了預防措施，建立了煤礦瓦斯涌出量預測體系。構建煤礦井下實時瓦斯監控系統。構建煤礦瓦斯涌出量預測模型。在煤礦瓦斯涌出量預測方面，許多學者做出了一定的貢獻。對于瓦斯涌出量預測中的多維數據矩陣的研究甚少，也未瓦斯單層前饋神經網絡模型進行訓練。從而，本發明將從瓦斯涌出量多維狀態和單層前饋神經網絡的角度分析建立模型并對此進行預測。

發明內容

本發明要解決的技術問題是：本發明提供SSA-CIRCLE-ELM模型的煤層瓦斯涌出量預測方法，構建了多維數據矩陣狀態下瓦斯涌出量預測模型并進行預測。

本發明的技術方案是：基于SSA-CIRCLE-ELM模型的煤層瓦斯涌出量預測方法，所述方法的具體步驟如下：

步驟1、利用CIRCLE混沌映射對麻雀搜索算法的搜索空間進行初始化，均勻分配搜索空間，得到優化后的麻雀搜索算法；

步驟2、利用麻雀搜索算法優化極限學習機的SLFN節點，使其參數生成連續概率分布；

步驟3、構建多維狀態矩陣，使用極限學習機對多維狀態矩陣進行特征映射并使其誤差函數最小；

步驟4、根據瓦斯原始數據，利用優化后極限學習機對瓦斯數據進行預測。

進一步地，所述步驟1的具體步驟為：

步驟1.1、構建麻雀搜索算法，設定種群數目n，迭代次數t，個體z_k，k＝1,2,3…l的位置信息；

步驟1.2、引入CIRCLE混沌映射：

步驟1.3、嵌合CIRCLE混沌映射，強化麻雀搜索空間，擴大麻雀種群覓食搜索范圍進行迭代；

每次迭代，發現者的位置更新描述如下：

其中。item_max是一個常數，表示最大的迭代次數。α∈(0，1]是一個隨機數。R₂(R₂∈[0,1])和ST(ST∈[0.5,1])分別表示預警值和安全值。Q是服從正態分布的隨機數。L表示一個1×d的矩陣，其中該矩陣內每個元素全部為1。當R₂＜ST時，麻雀執行搜索操作。當R₂＞ST時，麻雀發現了捕食者，執行規避操作。執行規避時其他麻雀的位置更新描述如下：