基于PSO-SVM的煤与瓦斯突出强度预测模型

• 作者: 薛惠锋 邵剑生
• 来源期刊: 西华大学学报（自然科学版）
• 学科: 工学
• 关键词: 煤与瓦斯突出 预测 粒子群优化支持向量机(PSO-SVM) BP神经网络
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 机电工程
• 页码范围: 63-66
• 分类号: TD713+.2
• 字数: 3249字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-159X.2012.01.015

摘要

为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对该实例进行了预测,进而对这3种方法的预测精度进行了比较.分析结果表明3种方法的预测准确率PSO-SVM为87.5％、BP-NN为50％、SVM为62.5％.可见,PSO-SVM方法的预测效果要好于BP-NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛惠锋	西北工业大学自动化学院	309	3851	31.0	46.0
5	邵剑生	西北工业大学自动化学院	2	26	2.0	2.0