Resumen

La emisión de gas representa una gran amenaza para la producción segura de las minas de carbón. Por lo tanto, la predicción de emisiones de gas siempre ha sido un tema candente para los investigadores. En los últimos años, el uso de algoritmos de inteligencia artificial para la predicción de emisiones de gas ha avanzado, como el uso de redes neuronales BP, algoritmos GA y algoritmos SVM. A pesar de estos avances, predecir las emisiones de gas de manera más precisa y eficiente sigue siendo un gran desafío. En este trabajo, se propone un algoritmo basado en análisis de relaciones grises y SVM utilizando optimización adaptativa de enjambre de partículas (APSO-SVM) para la predicción de emisiones de gas. Se utilizó el análisis de relaciones grises para extraer los cuatro parámetros más relevantes de nueve parámetros de predicción de emisiones de gas (distancia de la zona de estructura geológica, contenido de gas en la capa de carbón, velocidad inicial de liberación de gas, índice de

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Explosión de gas; Predicción; Algoritmos de inteligencia artificial; Análisis relacional gris; Algoritmo SVM; Modelo APSO-SVM
• Keywords:Gas outburst; Prediction; Artificial intelligence algorithms; Grey relational analysis; SVM algorithm; APSO-SVM model