煤矿综采工作面瓦斯浓度预测模型

• 作者: 宋春儒 李欢 杨秀宇 贾佳
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 综采工作面 瓦斯浓度预测 蚁群算法 最小二乘支持向量机 k-means聚类分析 参数寻优 LS-SVM ACO-LS-SVM
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: “煤矿自动化、信息化、智能化理论与技术”专刊
• 页码范围: 48-53
• 页数: 6页
• 分类号: TD712
• 字数: 4139字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.17364

摘要

针对基于最小二乘支持向量机(LS-SVM)的瓦斯浓度预测方法进行参数优化时存在的易陷入局部最优解、搜索效率较低、易产生早熟收敛等问题,提出了一种基于改进蚁群算法-最小二乘支持向量机(ACO-LS-SVM)的瓦斯浓度预测模型.首先,对采集的大量煤矿综采工作面瓦斯数据进行k-means聚类分析,以降低数据维数;然后,采用改进蚁群算法对LS-SVM的惩罚参数和核函数参数进行寻优,再代入LS-SVM模型中进行回归预测.仿真结果表明,当瓦斯体积分数绝对误差阈值分别为0.03％,0.04％,0.05％时,基于ACO-LS-SVM的瓦斯浓度预测模型的预测准确度都在95％左右,比SVM模型和LS-SVM模型表现更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李欢	中国矿业大学信息与控制工程学院	10	25	3.0	4.0
2	贾佳	中国矿业大学信息与控制工程学院	4	13	2.0	3.0
3	杨秀宇		1	6	1.0	1.0
4	宋春儒		1	6	1.0	1.0