基于蚁群算法优化SVM的瓦斯涌出量预测

被引:10
作者
王晓路
机构
[1] 西安科技大学通信与信息工程学院
基金
国家高技术研究发展计划(863计划);
关键词
瓦斯涌出量; 蚁群优化算法; 支持向量机; 预测;
D O I
暂无
中图分类号
TD712.5 [];
学科分类号
081903 ;
摘要
为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。
引用
收藏
页码:81 / 83
页数:3
相关论文
共 8 条
[1]   回采工作面瓦斯涌出BP神经网络分源预测模型及应用 [J].
朱红青 ;
常文杰 ;
张彬 .
煤炭学报, 2007, (05) :504-508
[2]   保护层开采工作面瓦斯涌出量预测 [J].
戴广龙 ;
汪有清 ;
张纯如 ;
李庆明 ;
邵广印 .
煤炭学报, 2007, (04) :382-385
[3]   改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量 [J].
陶云奇 ;
许江 ;
李树春 .
煤炭学报, 2007, (04) :391-395
[4]   基于模糊粗糙集的瓦斯涌出量预测模型的研究 [J].
洪菁 ;
赵毅 ;
陈强 .
微计算机信息, 2007, (08) :259-261
[5]   用于多维函数优化的蚁群算法 [J].
詹士昌 ;
徐婕 .
应用基础与工程科学学报, 2003, (03) :223-229
[6]   全局优化的一种新方法 [J].
马良 .
系统工程与电子技术, 2000, (09) :61-62+83
[7]   遗传规划在采煤工作面瓦斯涌出量预测中的应用 [J].
赵朝义 ;
袁修干 ;
孙金镖 .
应用基础与工程科学学报, 1999, (04) :387-392
[8]  
矿井瓦斯防治[M]. 中国矿业大学出版社 , 俞启香编著, 1992