基于遗传算法优化的LS-SVM井下场强预测_中国煤炭行业知识服务平台

基于遗传算法优化的LS-SVM井下场强预测

作者

王安义郗茜
单位

西安科技大学通信与信息工程学院
摘要

为了进一步研究井下电波传播损耗规律,提高场强覆盖预测准确度,提出使用基于遗传算法优化的最小二乘支持向量机方法对井下巷道的场强进行预测。首先通过软件仿真生成巷道场强数据,并将数据分为训练集和测试集;然后采用最小二乘支持向量机方法对训练集进行学习,并使用遗传算法对最小二乘支持向量机方法的参数选择进行优化,采用测试集对方法性能进行验证;最后将基于遗传算法优化的最小二乘支持向量机方法用于井下巷道的场强预测。仿真实验结果表明,基于遗传算法优化的最小二乘支持向量机方法能够有效提高井下场强预测的精度,可获得较好的预测效果。
关键词

矿井巷道场强预测最小二乘支持向量机遗传算法
基金项目(Foundation)

陕西省自然科学基础研究计划资助项目(S2015YFJM1734)；
相关文章

[1]基于LS-SVM的矿井巷道场强预测
[2]基于改进卷积神经网络的矿井巷道场强预测