论文摘要
为了提高煤层瓦斯含量预测的准确性和科学性,通过主成分分析方法对影响煤层瓦斯含量的7个因素进行特征提取,消除影响因素之间的相关性,减少维度;用支持向量回归机对提取的因素进行训练,并用改进的自适应混合粒子群算法对SVR的参数进行优化,提出PCA-AHPSO-SVR模型;与PCA-PSO-SVR,PSO-SVR这2个模型在相同环境下进行30次运行比较。研究结果表明:研究提出的PCA-AHPSO-SVR模型较其他2种模型平均准确率分别提高5.51%和9.32%,稳定性更佳,可满足工程实际需求。
论文目录
文章来源
类型: 期刊论文
作者: 魏国营,裴蒙
关键词: 煤层瓦斯含量,主成分分析,自适应混合粒子群算法,支持向量回归机,预测
来源: 中国安全生产科学技术 2019年03期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 矿业工程,安全科学与灾害防治,自动化技术
单位: 河南理工大学安全科学与工程学院,河南省瓦斯地质与瓦斯治理重点实验室—省部共建国家重点实验室培育基地
基金: 教育部长江学者和创新团队发展计划项目(IRT16R22),中国博士后科学基金项目(2017M622343)
分类号: TP18;TD712.3
页码: 69-74
总页数: 6
文件大小: 536K
下载量: 152
相关论文文献
标签：煤层瓦斯含量论文; 主成分分析论文; 自适应混合粒子群算法论文; 支持向量回归机论文; 预测论文;