基于集成学习的改进灰色瓦斯浓度序列预测*

赖祥威，夏云霓，郑万波，崔俊飞，吴燕清，史耀轩

(1.昆明理工大学 理学院,云南 昆明 650500；2.昆明理工大学 数据科学研究中心,云南 昆明 650500；3.重庆大学 计算机学院，重庆 400030; 4.中煤科工集团重庆研究院有限公司，重庆 400037；5.瓦斯灾害监控与应急技术国家重点实验室，重庆 400037；6.重庆大学 资源及安全学院，重庆 400030)

0 引言

瓦斯浓度预测是煤矿安全生产重要环节。国内学者针对瓦斯预测开展研究:杨丽等[1]基于多元分布滞后模型(MDL)提出多变量瓦斯浓度时间序列预测模型;胡坤等[2]为准确预测瓦斯涌出量，建立回采工作面瓦斯涌出量优化预测模型;李冬等[3]为提高瓦斯突出危险区域预测精度，建立瓦斯突出危险区域综合预测方法;李成武等[4]为预测矿区突出能量，通过引入煤体当量半径，推导突出能量预测模型；张友谊等[5]通过研究灰色关联模型输出端与输入端，提出煤与瓦斯突出多指标耦合预测模型。此外，国内部分学者基于神经网络、随机森林等时间序列进行预测研究[6-8]，但均需基于大量数据，针对信息匮乏的时间序列研究，灰色理论在能源消费、电网安全运作能力等众多领域得到充分运用[9-15]，但在煤矿瓦斯预测领域研究较少。现有煤矿瓦斯浓度预测方法为传统灰色预测模型，但传统灰色预测模型灰色作用量为常量，不随时间发生变化。因此，本文通过对传统灰色模型进行优化，得到随时间改变的幂指数灰色作用量，并提出基于集成学习的幂指数型灰色瓦斯浓度预测模型，研究结果可有效提瓦斯浓度预测精度。……