基于FIG-SVM的煤矿瓦斯浓度预测

被引：17

作者：

刘俊娥 ^{[1
]}

杨晓帆 ^{[2
]}

郭章林 ^{[3
]}

机构：

[1] 北京物资学院信息学院

[2] 河北工程大学经济管理学院

[3] 华北科技学院土木工程系

来源：

中国安全科学学报 | 2013年 / 23卷 / 02期

关键词：

模糊信息粒化(FIG); 支持向量机(SVM); 瓦斯(甲烷)浓度; 预测; 粒子群(PSO);

D O I：

10.16265/j.cnki.issn1003-3033.2013.02.019

中图分类号：

TD712.5 [];

学科分类号：

081903 ;

摘要：

为了提高矿井上隅角瓦斯(这里指甲烷)浓度的预测精度,得到瓦斯浓度的一个预测范围,提出一种将模糊信息粒化(FIG)和支持向量机(SVM)相结合的瓦斯浓度预测方法。首先利用模糊信息粒化对原始数据进行模糊粒化处理,并且给出一个预测范围。然后将粒化后的数据作为输入,运用SVM进行回归预测,采用粒子群(PSO)算法选取最佳的核函数参数g和惩罚因子c。最后根据实测值与预测值的对比判断预测方法的可靠度。试验结果表明:每一个时间段瓦斯浓度的实测值基本都在预测范围内,说明该模型预测精度较高,有较强的实用性和较快的收敛速度。

引用

页码：80 / 84

页数：5

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].朱帅虎.山东科技大学.2011, 06

[2]

支持向量机.[M].邓乃扬; 田英杰; 著.科学出版社.2009,

[3]

统计学习理论.[M].(美)瓦普尼克(VladimirN.Vapnik)著;许建华;张学工译;.电子工业出版社.2004,

[4]

支持向量机导论.[M].(英)NelloCristianini;(英)JohnShawe-Taylor著;李国正等译;.电子工业出版社.2004,