PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用

论文摘要

为提高预测回采工作面瓦斯涌出量预测精度,采用主成分分析法（PCA）与粒子群算法（PSO）及最小二乘支持向量机（LS-SVM）相结合的方法,在样本数据的选择上吸取主成分分析数据降维的优势,使所选择的数据样本简洁并且更具代表性.充分利用支持向量机训练速度快、能够获得全局最优解且拥有良好泛化性的特点,将粒子群算法与之相结合,从而寻找最优参数.建立基于PCA和PSO-LS-SVM回采工作面瓦斯涌出量预测模型,并在实际中获得成功应用.研究结果表明:该预测模型预测的最大相对误差为2.35%,最小相对误差为0.30%,平均相对误差为1.28%,相较其他预测模型有着更强的泛化能力和更高的预测精度.

论文目录

• 0 引言
• 1 PCA算法
• 2 建立PSO-LS-SVM预测模型
•   2.1 PSO算法
•   2.2 LS-SVM回归算法
•   2.3 基于PSO算法的LS-SVM参数优化
• 3 仿真试验及分析
•   3.1 瓦斯涌出量样本选取
•   3.2 数据降维处理
•   3.3 预测结果与仿真试验
• 4 结论

文章来源

类型: 期刊论文

作者: 丰胜成,邵良杉,卢万杰,孟庭儒,高振彪

关键词: 主成分分析,最小二乘支持向量机,粒子群算法,数据降维,瓦斯涌出量

来源: 辽宁工程技术大学学报(自然科学版) 2019年02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: 辽宁工程技术大学安全科学与工程学院,山西潞安环保能源开发股份有限公司,辽宁工程技术大学系统工程研究所,辽宁工程技术大学机械工程学院,辽宁工程技术大学电气与控制工程学院

基金: 国家自然科学基金(71771111)

分类号: TD712.5

页码: 124-129

总页数: 6

文件大小: 686K

下载量: 126