文章摘要:针对传统煤矿突水预测算法易陷入局部最优、预测结果准确率低及速度慢等问题，提出一种基于改进鲸鱼优化算法（IWOA）-支持向量机（SVM）的煤矿突水预测模型。IWOA从鲸鱼种群初始化、调节因子非线性化及随机差分进化3个方面入手对鲸鱼优化算法（WOA）进行改进：使用Tent映射初始化鲸鱼种群，提高鲸鱼种群寻找到最优猎物的可能性；通过调节因子非线性变化策略，提升算法在迭代前期的全局搜索能力及迭代后期的局部搜索能力，从而加快收敛速度；引入差分进化（DE）算法的变异、交叉、选择操作，以增强WOA的全局搜索能力。利用IWOA对SVM模型进行参数优化，将影响煤矿突水的水压、隔水层厚度、煤层倾角、断层落差、断层距工作面距离、采高共6个影响因素作为模型的输入特征向量，“突水”与“安全”2种突水结果作为模型的输出向量，以突水预测结果与实际结果间的误差最小化为目标建立目标函数，得到基于IWOA-SVM的煤矿突水预测模型。实验结果表明：与粒子群优化算法、DE算法、WOA相比，IWOA的预测准确率最高，标准误差最小，且收敛速度快，鲁棒性好；IWOA-SVM的突水预测准确率达到100%，与传统的突水系数法、SVM、WOA-SVM相比，IWOA-SVM表现出更高的准确率和稳定性。

文章关键词:

论文DOI:10.13272/j.issn.1671-251x.2021050043

论文分类号:TP18;TD745