基于PCA 与权重贝叶斯的工作面煤与瓦斯突出预测

阎 馨，朱永浩，屠乃威，吴书文，王雨虹

（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛 125105）

0 概述

煤炭开采时常发生工作面煤和瓦斯突出事故，这对我国经济造成极大损失。采用突出预防方法可以防止事故的发生，其首要工作是突出预测。经过数十年发展，国内外研究者针对事故发生提出多种预测方法，如钻孔涌出初速度方法［1-2］、钻屑指标方法［3-4］、综合指标方法［5］、电磁辐射法［6］、逻辑回归法［7］、神经网络方法［8-10］、支持向量机方法［11-13］、朴素贝叶斯方法［14-15］等。这些方法对工作面突出预测具有一定的积极作用，但存在一些不足，如瓦斯涌出初速度、钻屑量指标、综合指标和电磁辐射监测方法预测时不能综合考虑多种影响因素，因而难以准确确定指标临界值与突出时指标变化趋势的特征。部分指标数据常存在噪声，不能保证突出预测的准确性。神经网络方法考虑工作面煤与瓦斯突出多种影响因素，根据训练样本数据构建预测模型，此模型具有随机性，因此该方法常存在训练失败问题。支持向量机方法适于小规模数据建模，从而构建模型实现突出危险性预测。朴素贝叶斯分类方法将工作面煤与瓦斯突出预测问题归结为分类问题，利用样本数据构建突出预测模型进行突出预测。但该模型在假设模型输入变量（分类变量）间相互独立条件下构建的，而实际构成分类变量的突出影响因素是相互的，因此模型预测的准确性不高。研究发现在朴素贝叶斯模型中考虑分类变量对分类影响的权重，构成权重贝叶斯模型，改进后的模型能有效提高分类的准确性［16-18］。……