来源：期刊VIP网 时间：
作者：李时宜;代鑫;刘骞;左明辉;高旭;
单位：中国铁道科学研究院集团有限公司铁道建筑研究所;
摘要：为了能够更为准确地预测铁路隧道煤与瓦斯突出，有效保障铁路隧道施工安全性。首先根据煤与瓦斯突出影响因素，选取瓦斯压力、地质构造、瓦斯放散初速度、煤体结构类型、煤体坚固系数和埋深作为耦合指标，由SPSS 27软件通过皮尔逊相关系数矩阵分析各指标间的相关性，而后利于核主成分分析法(KPCA)对原始数据进行主成分提取。其次引入Sine混沌映射、动态自适应权重、Levy飞行策略以及融合柯西变异的反向学习对麻雀搜索算法(SSA)进行改进，以提升其全局搜索能力，而后利用改进的麻雀搜索算法(ISSA)优化KELM中核参数γ和正则化系数C,构建一种基于KPCA-ISSA-KELM的铁路隧道煤与瓦斯突出预测模型。引入PSO-BPNN、PSO-SVM、SSA-SVM模型，对比测试原始数据和降维后的数据，表明使用KPCA进行数据处理能够提升模型预测准确率，同时由其预测结果可知，在使用KPCA降维后的数据时，ISSA-KELM模型相较于其他模型在测试样本中的Ac分别提高0.22、0.22、0.11,P分别提高0.2、0.23、0.1,R分别提高0.24、0.25、0.14,F_1-Score分别提高0.22、0.24、0.12。最后，将ISSA-KELM模型应用于西南部某铁路隧道，验证该模型的可靠性和稳定性，表明其更适合于铁路隧道煤与瓦斯突出预测，可为相似瓦斯隧道设计与施工提供借鉴。
关键词：瓦斯隧道;;煤与瓦斯突出;;核主成分分析(KPCA);;麻雀搜索算法(SSA);;核极限学习机(KELM);;预测模型
基金资助：中国铁道科研究院集团有限公司青年基金项目(2023YJ187)
