Print

基于PCA-AHPSO-SVR的煤层瓦斯含量预测研究

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

  • 0 引言
  • 1 PCA-AHPSO-SVR基本原理
  • 2 PCA-AHPSO-SVR模型及评估方法
  •   2.1 PCA-AHPSO-SVR模型
  •   2.2 预测精度评估方法
  • 3 现场应用
  •   3.1 影响因素的选取
  •   3.2 样本数据的预处理
  •   3.3 模型参数的设置
  •   3.4 模型训练与预测结果分析
  • 4 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/627ed965a86cb9fb3c652478.html