基于IPSO-SVM的瓦斯突出危险信号预测模型

• 作者: 李圣普 王小辉
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 支持向量机 改进粒子群 参数优化 瓦斯突出预测
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 实验室自动化
• 页码范围: 203-206
• 分类号: TP391
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2015.11.203

摘要

煤与瓦斯突出是主要矿难形式之一,危害极大.依据现场监测瓦斯突出的相关数据,对瓦斯突出的危险程度进行预测,提前做好防范措施,可大大降低事故危害.文中提出支持向量机算法与改进粒子群算法相结合的瓦斯突出危险程度预测模型:通过对容易陷入局部最优的粒子群进行改进,并应用改进粒子群算法求解影响支持向量机分类预测性能的最佳参数,然后把最佳参数应用于擅长模式识别的支持向量机算法,进行瓦斯突出样本数据的训练,构建瓦斯预测模型;最后,使用瓦斯预测模型对新的瓦斯突出数据进行预测.实验结果表明,采用该方法进行瓦斯突出预测的准确率,比纯支持向量机算法提高4.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王小辉	平顶山学院计算机科学与技术学院	57	93	4.0	6.0
2	李圣普	平顶山学院计算机科学与技术学院	53	125	5.0	9.0