基于GAPSO-SVM的煤层底板破坏程度预测

• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 煤层底板破坏 支持向量机 遗传算法 粒子群优化算法 突水
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 分析·探讨
• 页码范围: 208-211
• 页数: 4页
• 分类号: TD327
• 字数: 2684字
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2019.03.051

摘要

为了对煤层底板破坏程度进行正确预测,分析遗传算法(GA)和粒子群优化(PSO)算法存在优化支持向量机(SVM)易陷入局部最优解和分类精度相对较低的问题,提出了GAPSO-SVM优化算法.综合考虑GA和PSO算法的优点对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对曹庄煤矿底板破坏程度的预测表明,该方法不仅能够取得良好的分类效果,分类精度高于GA-SVM和PSO-SVM,而且有较好的鲁棒性.