煤矿瓦斯突出预测的PSO-LSSVM模型

• 作者: 孙朋 张素君 郑丽媛
• 来源期刊: 仪表技术与传感器
• 学科: 工学
• 关键词: 瓦斯涌出量 粒子群优化(PSO) 最小二乘支持向量机(LSSVM) 预测
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 研究与开发
• 页码范围: 138-140,143
• 页数: 4页
• 分类号: TD713
• 字数: 2854字
• 语种: 中文

摘要

利用实际的瓦斯数据作为样本,由于瓦斯数据具有高维、非线性的特点,提出了用粒子群优化(PSO)对支持向量机(LSSVM)的惩罚参数(c)、核参数(σ)和损失函数(ε)参数进行优化,获得最优参数的组合.利用获得的最优参数建立粒子群优化支持向量机(PSO-LSSVM)瓦斯涌出量级别的预测模型.实验结果表明:PSO可以对LSSVM的参数进行很好的优化,通过参数优化的LSSVM对获得的瓦斯数据进行回归分析,建立的瓦斯预测模型是SVM模型预测精度的2倍,收敛时间比SVM缩短3倍,运算效率显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张素君	河南科技学院机电学院	22	61	4.0	5.0
2	郑丽媛	河南科技学院机电学院	8	21	3.0	4.0
3	孙朋	辽宁工程技术大学电气与控制工程学院	6	36	4.0	6.0