主办单位：煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
山东科技大学 矿业与安全工程学院山东科技大学 矿山灾害预防控制省部共建国家重点实验室 培育基地山东科技大学 矿业工程国家级实验教学示范中心
为了对煤层底板破坏程度进行正确预测，分析遗传算法（GA）和粒子群优化（PSO）算法存在优化支持向量机（SVM） 易陷入局部最优解和分类精度相对较低的问题，提出了 GAPSO-SVM优化算法。综合考虑 GA 和 PSO 算法的优点对 SVM 的参数进行了优化，优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡。通过对曹庄煤矿底板破坏程度的预测表明，该方法不仅能够取得良好的分类效果，分类精度高于 GA-SVM 和 PSO-SVM，而且有较好的鲁棒性。
主办单位：煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会
煤矿安全 
2019年第03期 
