基金项目：国家自然科学基金项目资助（编号：51974151）收稿日期：2022－05－18基于IAEFA-LSSVM的煤与瓦斯突出预测的新方法*杨超1，管智峰2，刘雨竹2，李鹏杰3，齐冀3（1.中煤张家口煤矿机械有限责任公司，河北张家口075000；2.辽宁工程技术大学，辽宁葫芦岛125105；3.潞安化工集团李村煤矿，山西长治046000）摘要：为了在发生数据缺失和异常的情况下完成煤与瓦斯突出预测，提出基于IAEFA-LSSVM的煤与瓦斯突出预测的新方法。在缺失数据时，利用皮尔逊相关系数实时完成缺失数据的填充；当出现数据异常时，使用Pauta准则处理数据异常值；在人工电场算法初始化阶段引入透镜成像学习策略，实现初始种群多样性和个体质量的提升，采用正余弦算法改进人工电场算法最优解位置，从而提高人工电场算法的寻优能力。建立改进人工电场算法优化最小二乘支持向量机模型，并采用皮尔逊相关系数和Pauta准则完成数据实时缺失和数据异常的处理，预测结果的灵敏度为100%，准确度为97.5%。实验结果表明，该模型能够在数据缺失和数据异常情况下实时完成煤与瓦斯突出预测，可作为一种新的煤与瓦斯突出预测模型。关键词：瓦斯突出；透镜成像学习；正余弦算法；人工电场算法；最小二乘支持向量机中图分类号：TD713文献标志码：A文章编号：1009－9492(2023)02－0051－04ANewMethodforPredictingCoalandGasOutburstBasedonIAEFA-LSSVMYangChao1，GuanZhifeng2，LiuYuzhu2，LiPengjie3，QiJi3（1.ChinaCoalZhangjiakouCoalMiningMachineryCo.,Ltd.,Zhangjiakou,Hebei075000,China;2.LiaoningUniversityofTechnology,Huludao,Liaoning125105,China;3.LichunCoalMineofLu´anChemicalGroup,Changzhi,Shanxi046000,China）Abstract:Inordertocompletethepredictionofcoalandgasoutburstinthecaseofmissingandabnormaldata,anewmethodofcoalandgasoutburstpredictionbasedonIAEFA-LSSVMwasproposed.Incaseofmissingdata,Pearsoncorrelationcoefficientwasusedtofillinthemissingdatainrealtime.Whendataabnormalityoccurs,Pautacriterionwasusedtodealwithdataabnormalvalue.Intheinitializationstageoftheartificialelectricfieldalgorithm,thelensimaginglearningstrategywasintroducedtoimprovetheinitialpopulationdiversityandindividualquality.Thesinecosinealgorithmwasusedtoimprovetheoptimalsolutionpositionoftheartificialelectricfieldalgorithm,soastoimprovetheopti...
