基于PCA-LWCA-LS-SVM回采工作面瓦斯涌出量预测

• 作者: 张瑞 李雅梅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 主成分分析 最小二乘支持向量机 领导狼狼群算法 数据降维 回采工作面
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 66-70
• 页数: 5页
• 分类号: TP391|TP712
• 字数: 3307字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.12.013

摘要

回采工作面瓦斯涌出量各影响因素之间存在多重共线性,这会对预测造成不利影响.为降低这种影响并提高预测精度,提出将主成分分析法(PCA)与双层狼群算法(LWCA)优化的最小二乘支持向量机(LS-SVM)相耦合.该方法利用PCA对数据进行降维处理,再利用LS-SVM泛化能力强的特点来进行瓦斯涌出量的预测.为了提升LS-SVM的性能,将LWCA与LS-SVM结合,利用LWCA来优化LS-SVM的参数.采用该模型对实际中的回采工作面瓦斯涌出量进行预测,并与LS-SVM预测模型、PCA与遗传算法优化的LS-SVM相耦合的预测模型进行比较,验证该模型的性能.实验表明:该模型预测结果中最大相对误差为2.35％,最小相对误差为0.26％,平均相对误差为1.22％,预测精度得到显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雅梅	辽宁工程技术大学电气与控制工程学院	24	75	6.0	7.0
2	张瑞	辽宁工程技术大学电气与控制工程学院	13	113	4.0	10.0