煤层底板突水危险性评价的RS-GSVM模型

针对煤层底板突水危险性评价存在影响因素多、样本数量少的问题,提出了一种粗糙集(Rough sets,RS)融合支持向量机(Support vector machine,SVM)的煤层底板突水危险性评价模型(RS-GSVM模型)。该模型通过RS对初选的6项属性指标进行冗余约简,得到4项核心影响属性指标,并收集了对应的20组样本数据作为训练样本。以煤层底板突水危险性情况作为模型的输出值,采用径向基函数(Radial basis function,RBF)作为核函数,同时利用遗传算法(Genetic algorithm,GA)对SVM模型的关键参数进行了优化,经参数寻优和学习样本训练最终得到优化后的RS-GSVM评价模型。利用RS-GSVM模型对5组典型工作面的突水数据进行了测试,并与GSVM、PNN等模型的评价结果进行了对比分析,结果表明:RS-GSVM模型精简了输入维数并提高了有效样本数量比例,评价精度和运行效率较GSVM、PNN模型均有所提高,泛化能力更强。