基于PCA-PSOSVM的煤自燃程度预测研究_中国煤炭行业知识服务平台

基于PCA-PSOSVM的煤自燃程度预测研究

作者

邓军周少柳马砺王伟峰雷昌奎王炜罡
单位

西安科技大学西部矿井开采及灾害防治教育部重点实验室西安科技大学能源学院
摘要

针对煤自燃程度指标多且与气体产物之间存在复杂非线性关系的特点,将主成分分析理论(PCA)和支持向量机算法(SVM)相结合,建立了煤自燃程度的预测模型。对表征煤自燃程度的10个指标进行主成分分析,提取其中3个主要成分作为支持向量机的输入,利用MATLAB实现回归预测,运用粒子群算法(PSO)对支持向量机的参数寻优,并与遗传算法(GA)参数寻优进行了对比。预测结果显示,PCA-PSOSVM模型的预测精度相对较高,其相对误差绝对值的平均值为4.26%,而PSOSVM、GASVM和PCA-GASVM的相对误差绝对值的平均值分别为8.16%、10.62%和7.81%,表明经PCA降维处理后的SVM预测准确率高于未经PCA降维处理的SVM预测结果,PSOSVM比GASVM具有更好的预测效果。
关键词

安全工程煤自燃指标气体主成分分析支持向量机参数寻优
基金项目(Foundation)

国家自然科学青年基金项目(51204135)；中国博士后基金项目(2015M570625)；
相关文章

[1]水分对孟巴矿煤特征温度影响的实验研究
[2]煤自燃极限参数的实验研究
[3]大采高综采工作面撤架期间采空区浮煤自燃防治技术研究
[4]氯盐阻化剂抑制煤初次和二次氧化特性的实验研究
[5]玉华矿煤自燃特征温度增长率分析法测试
[6]磁窑堡二矿首采综放面停采撤架期间自燃火灾预防技术与实践