基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法

• 作者: 吴雅琴 徐丹妮 李惠君
• 来源期刊: 工矿自动化
• 学科: 工学
• 关键词: 煤与瓦斯突出预测 主控因素 灰色关联分析 支持向量机 改进粒子群算法 Powell算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 实验研究
• 页码范围: 46-53
• 页数: 8页
• 分类号: TD712
• 字数: 6124字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019110018

摘要

针对基于支持向量机(SVM)的煤与瓦斯突出预测算法存在预测精度和可靠性不高,选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合(IPSO-Powell)优化SVM的煤与瓦斯突出预测算法.首先通过灰色关联分析提取出煤与瓦斯突出主控因素,即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型,作为算法的输入样本;然后运用IPSO算法改善粒子群算法(PSO)的早熟收敛性,结合Powell算法进行局部搜索得到最优解,对SVM算法的惩罚系数和高斯核函数参数进行寻优,得到SVM的最优参数组合;最后将煤与瓦斯突出的主控因素输入到SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出预测.仿真结果表明:与SVM算法、GA-SVM算法、PSO-SVM算法相比,利用IPSO-Powell优化SVM算法进行煤与瓦斯突出预测,具有更高的预测精度,同时提高了SVM求解过程的运算效率,能同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到95.9％.