基于FOA-SVM的煤矿瓦斯爆炸风险模式识别

• 作者: 付华 单敏柱 谢国民
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 瓦斯爆炸 主成分分析 支持向量机 特征提取 果蝇算法
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 建模与仿真
• 页码范围: 1859-1864
• 页数: 6页
• 分类号: TP27
• 字数: 3946字
• 语种: 中文

摘要

瓦斯爆炸的过程是一个综合各种因素在内的能量释放的过程,为了能够对瓦斯爆炸进行准确的辨识,文中提出了将主成分分析(Principal Componet Analysis,PAC)和支持向量机(Support Vector Machine,SVM)相结合进行瓦斯爆炸预测.瓦斯爆炸影响因素较多,首先通过PCA 进行特征提取,降低特征向量的维数,去除参数间的相关性;然后通过果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)对支持向量机进行全局寻优,避免了过学习的出现.将通过PCA 提取的新特征值作为FOA-SVM 模型输入,从而实现准确性高的瓦斯爆炸风险模式识别.通过实验仿真表明,文中提出的方法具有识别精度高、推广能力强同时模型简单的特点,对工程实践具有一定的指导作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付华	辽宁工程技术大学电气与控制工程学院	242	1698	20.0	28.0
2	谢国民	辽宁工程技术大学电气与控制工程学院	32	116	7.0	9.0
3	单敏柱	辽宁工程技术大学电气与控制工程学院	4	21	4.0	4.0