基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型

• 作者: 孔祥博 温廷新
• 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: 矿井突水 支持向量机 参数优化 径向基核函数 粒子群算法
• 年，卷（期）: 2020,（1）
• 页码范围: 6-11
• 页数: 6页
• 分类号: X913.4
• 语种: 中文

摘要

为对矿井突水水源进行识别以减少矿井突水事故的发生,提出了粒子群(PSO)结合RBF核参数优化的SVM模型,并使用核主成分分析法(KPCA)对选取水源特征指标进行高效降维.根据水源离子敏感性选取了8种水化学指标(K+、Na+、Mg2+、Ga2+、HCO3-、Cl-、F-、SO42-)作为突水水源识别特征参数.使用基于最大方差关联度准则的核参数选择方法并结合粒子群算法构造参数优化算法,使用参数优选后的支持向量机模型对90组突水水源识别训练数据进行模型训练,用其余32组数据进行测试,模型实测效果与Logistic模型、PCA-Fisher 模型以及PSO-SVM模型进行对比,结果表明:采用径向基核函数优化的支持向量机模型能够选取较优参数,模型实测平均准确率为93.75％,误差明显低于其他模型,证明了该模型能精准且高效地识别矿井突水水源.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温廷新		68	340	10.0	14.0
2	孔祥博		12	62	5.0	7.0