PCA-GA-SVM的回采工作面瓦斯涌出量预测

被引：24

作者：

张强 ^{[1
]}

贾宝山 ^{[1
,2
]}

董晓雷 ^{[1
]}

李宗翔 ^{[1
,2
]}

机构：

[1] 辽宁工程技术大学安全科学与工程学院

[2] 矿山热动力灾害与防治教育部重点实验室

来源：

辽宁工程技术大学学报(自然科学版) | 2015年 / 34卷 / 05期

关键词：

主成分分析; 支持向量机; 瓦斯涌出量; 遗传算法; 数据降维; 回采工作面;

D O I：

暂无

中图分类号：

TD712.5 [];

学科分类号：

摘要：

为预测回采工作面瓦斯涌出量,采用主成分分析(PCA)与遗传算法(GA)优化支持向量机(SVM)相耦合的方法,在样本数据的筛选上汲取主成分分析数据降维的优点,使选择的数据样本简洁且更具代表性;充分利用支持向量机训练速度快、能够获得全局最优解且具有良好泛华性能的特点,将遗传算法与其相结合,寻找最优的惩罚参数c和核函数参数g;建立基于PCA-GA-SVM的回采工作面瓦斯涌出量预测模型,并在实际中得到成功应用.研究结果表明:该预测模型预测的最大相对误差为16.15%,最小相对误差为2.43%,平均相对误差为13.25%,相比其他预测模型有更强的泛化能力和更高的预测精度.

引用

页码：572 / 577

页数：6

共 12 条

[1]

LS-SVM算法预测煤层瓦斯涌出量技术研究及应用 [D].