PCA-PSO-LSSVM模型在瓦斯涌出量預測中的應用
豐勝成; 邵良杉; 盧萬杰; 孟庭儒; 高振彪 遼寧工程技術大學安全科學與工程學院; 遼寧阜新123000; 山西潞安環(huán)保能源開發(fā)股份有限公司; 山西長治046000; 遼寧工程技術大學系統(tǒng)工程研究所; 遼寧葫蘆島125100; 遼寧工程技術大學機械工程學院; 遼寧阜新123000; 遼寧工程技術大學電氣與控制工程學院; 遼寧葫蘆島125100
關鍵詞：主成分分析 最小二乘支持向量機 粒子群算法 數(shù)據(jù)降維 瓦斯涌出量
摘要：為提高預測回采工作面瓦斯涌出量預測精度,采用主成分分析法(PCA)與粒子群算法(PSO)及最小二乘支持向量機(LS-SVM)相結合的方法,在樣本數(shù)據(jù)的選擇上吸取主成分分析數(shù)據(jù)降維的優(yōu)勢,使所選擇的數(shù)據(jù)樣本簡潔并且更具代表性.充分利用支持向量機訓練速度快、能夠獲得全局最優(yōu)解且擁有良好泛化性的特點,將粒子群算法與之相結合,從而尋找最優(yōu)參數(shù).建立基于PCA和PSO-LS-SVM回采工作面瓦斯涌出量預測模型,并在實際中獲得成功應用.研究結果表明:該預測模型預測的最大相對誤差為2.35%,最小相對誤差為0.30%,平均相對誤差為1.28%,相較其他預測模型有著更強的泛化能力和更高的預測精度.
遼寧工程技術大學學報·自然科學版雜志要求:
{1}論文應有中英作者署名、工作單位、所在省、市名稱和郵編。如有多位作者，其間以逗號分開，其工作單位不同，應按阿拉伯數(shù)字順序標注在右上角，單位與單位之間用分號。
{2}自投稿之日起３個月內未接到用稿通知，請自行處理文稿。切忌一稿多投。來稿一般不退，敬請諒解。
{3}中文標題：簡明確切地反映文章內容，不超過25字。
{4}凡是引用他人文獻、資料，必須加引證注釋，以頁末腳注形式按頁編排。在正文加注釋處右上角以加圈阿拉伯數(shù)字標記，腳注編號位于相應標點之外。
{5}來稿須附350-500字的中、英文摘要，3-5個關鍵詞。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
