基于信息增益優化支持向量機模型的煤礦瓦斯爆炸風險預測

萬 宇, 齊金平, 張 儒, 閆 森

(蘭州交通大學機電技術研究所， 蘭州 730070)

目前，隨著社會經濟的蓬勃發展，中國已成為世界上最大的煤炭生產、消費國，安全生產已經成為一個重要現實問題[1]。煤炭行業是典型的高危行業，其事故主要包括瓦斯、頂板、底板、放炮、機電、火災、水害、運輸以及其他事故，其中瓦斯事故一般被認為是威脅性最大的災害事故。中國高瓦斯礦井數占到了接近總量的一半，每年因瓦斯事故帶來的傷亡人數不計其數，而其中瓦斯和煤塵爆炸事故占大多數[2]。煤炭的安全開采是經濟增長的重要保障，“十三五”規劃中國家也對能源安全和綠色生產提出了明確的要求。因此，為了響應國家號召，應將未來的工作重心從事后響應轉移到預控預防，做到從根源上遏制安全事故的發生，減少人員傷亡率。

瓦斯爆炸是瓦斯事故中典型的一種，傳統預測方法主要依賴專家判斷，具有較強的主觀性，預測精度不能達到分析任務的要求，近年來隨著計算機技術的進步與發展，機器學習算法的引入極大地推動了風險預測領域的進步，田水承等[3]利用反向傳播神經網絡(back propagation neural network, BPNN)對掘進面瓦斯爆炸危險進行了安全評價，李潤求等[4]構建了基于區間層次分析法和功效系數法結合(interval analytic hierarchy process-efficacy coefficient method, IAHP-ECM)的瓦斯爆炸災害風險評估模型，邵良杉等[5]針對數據缺失問題將隨機森林算法引入對瓦斯災害進行預測，李爽等[6]將極限學習機與貝葉斯網絡結合對風險進行預測。上述方法從不同角度對瓦斯爆炸風險預測進行了研究，機器學習的應用很大程度上提升了預測的精準度，除了各種算法上的進步，改變優化特征向量的輸入也是提升速度精度的一大方向。……