基于ISSA-GM-BP的回采工作面瓦斯涌出量及其回风瓦斯体积分数预测

煤矿瓦斯事故破坏性强、危害范围大,回采工作面瓦斯涌出量及其回风瓦斯体积分数预测可以为制定瓦斯治理措施、预防瓦斯事故提供重要依据。为解决瓦斯涌出量及其回风瓦斯体积分数受多因素影响、数据波动大而难以准确预测的问题,在灰色预测与BP神经网络的基础上引入麻雀搜索算法(SSA),建立了一种ISSA-GM-BP模型用于回采工作面瓦斯涌出量及其回风瓦斯体积分数预测;该模型利用Chebyshev混沌映射、动态惯性权重、Lévy飞行策略算法对SSA进行改进,在灰色预测中引入动态生成系数α建立动态灰色GM(1,1,α)模型并与BP神经网络组合使用,再通过改进SSA对组合模型进行优化,利用该模型对某矿山回采工作面瓦斯涌出量及其回风瓦斯体积分数进行预测,并与SSA-BP神经网络、BP神经网络的预测结果作出对比分析。结果表明:在回采工作面瓦斯涌出量、工作面回风瓦斯体积分数2方面,ISSA-GM-BP模型预测结果与实测值之间平均相对误差分别为2.95%、2.65%,SSA-BP神经网络的平均相对误差分别为9.50%、8.00%,BP神经网络的平均相对误差分别为12.49%、9.76%,且ISSA-GM-BP模型的决定系数为0.9609、0.9587,预测值完全符合实际回采工作面瓦斯涌出量和工作面回风瓦斯体积分数的变化趋势,在预测精确性与适应性方面具有显著优势。