基于GA-SVM的矿井涌水量预测

• 作者: 乔美英 刘震震 程鹏飞
• 来源期刊: 煤田地质与勘探
• 学科: 工学
• 关键词: 矿井涌水量 混沌时间序列 相空间重构 GA-SVM
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 水文地质工程地质
• 页码范围: 117-122
• 页数: 6页
• 分类号: TD742
• 字数: 3629字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1986.2017.06.019

摘要

矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型(GA-SVM)来实现矿井涌水量的短期准确预测.该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率.首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构.其次,采集义煤集团千秋煤矿2011-2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92％,最大相对误差为2.62％.最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔美英	河南理工大学电气工程与自动化学院	30	109	6.0	9.0
5	刘震震	河南理工大学电气工程与自动化学院	3	12	1.0	3.0
6	程鹏飞	河南理工大学电气工程与自动化学院	3	12	1.0	3.0