PCA-GA-SVM的回采工作面瓦斯涌出量预测_中国煤炭行业知识服务平台

PCA-GA-SVM的回采工作面瓦斯涌出量预测

作者

张强贾宝山董晓雷李宗翔
单位

辽宁工程技术大学安全科学与工程学院矿山热动力灾害与防治教育部重点实验室
摘要

为预测回采工作面瓦斯涌出量,采用主成分分析(PCA)与遗传算法(GA)优化支持向量机(SVM)相耦合的方法,在样本数据的筛选上汲取主成分分析数据降维的优点,使选择的数据样本简洁且更具代表性;充分利用支持向量机训练速度快、能够获得全局最优解且具有良好泛华性能的特点,将遗传算法与其相结合,寻找最优的惩罚参数c和核函数参数g;建立基于PCA-GA-SVM的回采工作面瓦斯涌出量预测模型,并在实际中得到成功应用.研究结果表明:该预测模型预测的最大相对误差为16.15%,最小相对误差为2.43%,平均相对误差为13.25%,相比其他预测模型有更强的泛化能力和更高的预测精度.
关键词

主成分分析支持向量机瓦斯涌出量遗传算法数据降维回采工作面
基金项目(Foundation)

国家自然科学基金资助项目(51174109)；
相关文章

[1]矿井提升机制动器的GA-BP故障诊断
[2]PCA-GA-ELM煤矿瓦斯涌出量预测
[3]粗糙集-改进神经网络落煤瓦斯涌出量预测