基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

被引：13

作者：

何利文 ^{[1
,2
]}

施式亮 ^{[1
,2
,3
]}

宋译 ^{[2
,3
]}

刘影 ^{[1
]}

机构：

[1] 中南大学资源与安全工程学院

[2] 煤矿安全开采技术湖南省省重点实验室

[3] 湖南科技大学能源与安全工程学院

来源：

中国安全科学学报 | 2009年 / 19卷 / 09期

基金：

湖南省自然科学基金;

关键词：

支持向量机(SVM); 瓦斯涌出; 混沌; 相空间重构; 时间序列;

D O I：

10.16265/j.cnki.issn1003-3033.2009.09.009

中图分类号：

TD712 [矿井瓦斯];

学科分类号：

081903 ;

摘要：

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。

引用

页码：42 / 46+180 +180

页数：6

共 7 条

[1]

基于BP神经网络的瓦斯涌出量预测的研究.[D].李洪彪.昆明理工大学.2008, 09

[2] 回采工作面瓦斯涌出的复杂性及其度量 [J].