一种采用CCPSO-SVM的煤与瓦斯突出预测方法

• 作者: 邵晓根 陈奎 黄为勇
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 煤与瓦斯突出 预测 支持向量机 完全混沌粒子群优化 多重分维谱
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 216-220,225
• 分类号: IP181|TD713
• 字数: 7677字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.11.051

摘要

为了有效地对矿井煤与瓦斯突出进行预测,提出了一种基于完全混沌粒子群优化(CCPSO)与支持向量机(SVM)的矿井煤与瓦斯突出预测方法.该方法将矿井工作面前方煤体瓦斯涌出量动态变化时间序列的多重分维谱作为特征指标,应用支持向量(SVM)构建预测模型,模型的参数向量由改进的完全混沌粒子群优化算法和测试集样本集分类错误率最小准则选择和优化.实验结果证明,该方法是有效的,它为煤与瓦斯突出预测提供了一种新途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄为勇	徐州工程学院信电工程学院	29	211	8.0	14.0
2	邵晓根	徐州工程学院信电工程学院	60	284	9.0	14.0
3	陈奎	徐州工程学院信电工程学院	17	59	5.0	7.0