论文摘要
针对煤层瓦斯涌出量影响因素众多且各因素间呈复杂非线性的特点,文章利用主成分分析法（PCA）和支持向量机（SVM）的理论基础,构建了PCA-SVM的煤层瓦斯涌出量预测模型,该模型利用SPSS20.0软件中的主成分分析模块对影响煤层瓦斯涌出量的12个因素进行降维,提取其中3个最能反映原始数据本质特征的主成分因子,再将主成分因子的前25组数据作为训练集,后10组数据作为测试集,借助MATLAB中的LIBSVM工具箱进行支持向量机预测,最后将PCA-SVM、SVM及使用较为广泛的多元线性回归3种方法的瓦斯涌出量预测结果进行对比,预测结果表明PCA-SVM模型在预测精度、稳定性方面都优于其他两种预测方法,更适合煤层瓦斯涌出量的预测。
论文目录
文章来源
类型: 期刊论文
作者: 李鑫灵,袁梅,敖选俊,隆能增,张平,许石青
关键词: 煤层瓦斯涌出量,主成分分析,支持向量机,预测
来源: 工业安全与环保 2019年10期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 矿业工程,安全科学与灾害防治
单位: 贵州大学矿业学院,贵州省非金属矿产资源综合利用重点实验室,复杂地质矿山开采安全技术工程中心
基金: 贵州省科技计划项目(黔科合支撑[2018]2789)
分类号: TD712.5
页码: 35-39
总页数: 5
文件大小: 538K
下载量: 95
相关论文文献
- [1].502掘进巷异常区瓦斯涌出量预测研究[J]. 内蒙古煤炭经济 2016(21)
- [2].基于因子分析法的瓦斯涌出量预测指标选取[J]. 西安科技大学学报 2017(04)
- [3].基于广义回归神经网络的瓦斯涌出量预测[J]. 石家庄铁道大学学报(自然科学版) 2013(04)
- [4].基于卡尔曼滤波及神经网络的瓦斯涌出量预测[J]. 陕西煤炭 2020(01)
- [5].基于加权极端学习机的瓦斯涌出量预测模型[J]. 控制工程 2018(03)
- [6].基于改进的最小二乘法瓦斯涌出量预测[J]. 工业安全与环保 2017(01)
- [7].基于改进支持向量机的瓦斯涌出量预测[J]. 西安邮电大学学报 2013(06)
- [8].一种非线性的瓦斯涌出量预测算法仿真研究[J]. 计算机仿真 2012(08)
- [9].智能算法在瓦斯涌出量预测中的应用研究[J]. 大众科技 2012(12)
- [10].瓦斯涌出量预测与埋深的关系研究[J]. 内蒙古煤炭经济 2017(02)
- [11].投影寻踪在瓦斯涌出量预测中的应用[J]. 工矿自动化 2015(04)
- [12].急倾斜厚煤层瓦斯涌出量预测研究[J]. 山西煤炭 2015(03)
- [13].基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型[J]. 工矿自动化 2013(12)
- [14].基于聚类分析的煤矿瓦斯涌出量预测方法研究[J]. 煤 2013(04)
- [15].近距离煤层开采瓦斯涌出量预测及其影响因素分析[J]. 煤炭工程 2013(06)
- [16].基于随机森林的回采工作面瓦斯涌出量预测模型[J]. 煤矿安全 2012(08)
- [17].瓦斯涌出量预测的高斯过程机器学习模型[J]. 煤矿安全 2009(03)
- [18].基于分源预测法的瓦斯涌出量预测共享平台的构建[J]. 矿业安全与环保 2018(02)
- [19].合理遗忘选择训练样本的煤矿瓦斯涌出量预测[J]. 计算机工程与应用 2014(14)
- [20].基于模糊粗糙集与支持向量机的瓦斯涌出量预测研究[J]. 计算机测量与控制 2012(09)
- [21].基于支持向量机理论的煤矿瓦斯涌出量预测研究[J]. 煤矿机械 2011(02)
- [22].煤矿瓦斯涌出量预测方法的研究[J]. 中国煤炭 2019(11)
- [23].基于成因模糊综合分析的瓦斯涌出量预测模型[J]. 计量技术 2018(03)
- [24].瓦斯涌出量预测软件开发课程设计[J]. 实验技术与管理 2014(06)
- [25].瓦斯涌出量预测方法及实践应用[J]. 煤炭与化工 2014(04)
- [26].基于径向基神经网络的煤矿瓦斯涌出量预测方法[J]. 科技传播 2012(03)
- [27].王庄煤矿后备区瓦斯涌出量预测与抽放可行性研究[J]. 煤 2011(02)
- [28].郭家河煤矿回采工作面瓦斯涌出量预测[J]. 西安科技大学学报 2017(01)
- [29].瓦斯涌出量预测研究[J]. 黑龙江科技信息 2012(24)
- [30].基于智能支持向量回归的瓦斯涌出量预测[J]. 计算机工程与应用 2009(01)