改进的粒子群支持向量机预测瓦斯涌出量

被引：11

作者：

孟倩 ^{[1
,2
]}

马小平 ^{[1
]}

周延 ^{[3
]}

机构：

[1] 中国矿业大学信息与电气工程学院

[2] 江苏师范大学计算科学与技术学院

[3] 中国矿业大学安全学院

来源：

矿业安全与环保 | 2015年 / 42卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

支持向量回归机; 混沌; 粒子群; 瓦斯涌出量预测;

D O I：

暂无

中图分类号：

TD712 [矿井瓦斯]; TP18 [人工智能理论];

学科分类号：

081903 [安全技术及工程]; 140502 [人工智能];

摘要：

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。

引用

页码：1 / 5

页数：5

共 11 条

[1]

铁法大兴矿瓦斯涌出量预测 [D].

姜力波 .

辽宁工程技术大学,

2009

[2]

粒子群算法及应用.[M].纪震; 廖惠连; 吴青华; 著.科学出版社.2009,

[3]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[4]

灰色关联优化BP神经网络预测工作面瓦斯涌出量 [J].

雷文杰 ;

刘瑞涛 ;

苏国韶 .

矿业安全与环保, 2013, (05) :34-37+41

[5]

灰色线性回归组合模型在瓦斯涌出量预测中的应用 [J].

高保彬 ;

李回贵 ;

于水军 .

矿业安全与环保, 2012, 39 (06) :51-53+57+101

[6]

基于粗集-支持向量机的采空区自然发火预测 [J].

孟倩 ;

王永胜 ;

周延 .

煤炭学报, 2010, 35 (12) :2100-2104

[7]

混沌映射的粒子群优化方法 [J].

刘道华 ;

原思聪 ;

兰洋 ;

马新建 .

西安电子科技大学学报, 2010, 37 (04) :764-769

[8]

中国采煤工作面瓦斯涌出规律及其控制研究 [J].

俞启香 ;

王凯 ;

杨胜强 .

中国矿业大学学报, 2000, (01)

[9]

Tuning of PID controller for an automatic regulator voltage system using chaotic optimization approach.[J].Leandro dos Santos Coelho.Chaos; Solitons and Fractals.2007,

[10]

An effective hybrid PSO-based algorithm for flow shop scheduling with limited buffers.[J].Bo Liu;Ling Wang;Yi-Hui Jin.Computers and Operations Research.2007, 9

← 1 2 →