PCA-PSO-LSSVM模型在瓦斯涌出量预测中的应用

• 作者: 丰胜成 卢万杰 孟庭儒 邵良杉 高振彪
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 主成分分析 最小二乘支持向量机 粒子群算法 数据降维 瓦斯涌出量
• 年，卷（期）: 2019,（2）
• 页码范围: 124-129
• 页数: 6页
• 分类号: X936
• 语种: 中文

摘要

为提高预测回采工作面瓦斯涌出量预测精度,采用主成分分析法(PCA)与粒子群算法(PSO)及最小二乘支持向量机(LS-SVM)相结合的方法,在样本数据的选择上吸取主成分分析数据降维的优势,使所选择的数据样本简洁并且更具代表性.充分利用支持向量机训练速度快、能够获得全局最优解且拥有良好泛化性的特点,将粒子群算法与之相结合,从而寻找最优参数.建立基于PCA和PSO-LS-SVM回采工作面瓦斯涌出量预测模型,并在实际中获得成功应用.研究结果表明:该预测模型预测的最大相对误差为2.35％,最小相对误差为0.30％,平均相对误差为1.28％,相较其他预测模型有着更强的泛化能力和更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵良杉		189	1464	18.0	27.0
2	卢万杰		12	67	5.0	8.0
3	丰胜成		5	6	1.0	2.0
4	高振彪		3	6	1.0	2.0
5	孟庭儒		2	0	0.0	0.0