基于PSO-SVM的煤矿瓦斯爆炸灾害风险模式识别

被引：54

作者：

李润求 ^{[1
,2
]}

施式亮 ^{[1
,2
]}

念其锋 ^{[1
,2
]}

朱红萍 ^{[3
]}

朱川曲 ^{[2
]}

机构：

[1] 中南大学资源与安全工程学院

[2] 湖南科技大学能源与安全工程学院

[3] 湖南科技大学信息与电气工程学院

来源：

中国安全科学学报 | 2013年 / 23卷 / 05期

关键词：

风险; 模式识别(PR); 支持向量机(SVM); 粒子群优化算法(PSO); 瓦斯爆炸; 煤矿;

D O I：

10.16265/j.cnki.issn1003-3033.2013.05.019

中图分类号：

TD712.7 [];

学科分类号：

摘要：

为了提高煤矿瓦斯爆炸灾害风险识别能力,提出通过典型样本和模式识别(PR)模型构建识别库进行风险识别的方法。在以径向基函数(RBF)为核函数的支持向量机(SVM)模型基础上,应用粒子群优化算法(PSO)优化模型参数,建立瓦斯爆炸灾害风险识别的PSO-SVM模型;构建风险识别指标体系,确定风险模式类别,并以指标风险类别分界点为基础,提出新的数据规范方法;用典型样本训练和测试PSO-SVM模型,样本识别率为100%,表明以典型样本和PSO-SVM模型构建的识别库对瓦斯爆炸灾害风险有较强的识别能力,同时指出典型样本库应不断补充完善以增强其适应能力。

引用

页码：38 / 43

页数：6

共 15 条

[1]

工作面瓦斯涌出量逆向推算瓦斯含量梯度 [J].