PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用_中国煤炭行业知识服务平台

PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用

作者

丰胜成邵良杉卢万杰孟庭儒高振彪
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
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.
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
基金项目(Foundation)

国家自然科学基金(71771111)；
相关文章

[1]因子分析与支持向量机相结合的煤炭自燃预测
[2]基于主成分灰关联的瓦斯涌出量预测模型
[3]改进鲸群优化算法及其应用
[4]基于KPCA-ARIMA算法的瓦斯涌出量预测
[5]回采工作面瓦斯涌出量预测模型