基于KPCA-APSO-LSSV M的充填管道磨损风险预测

• 作者: 骆正山 黄仁惠
• 来源期刊: 有色金属工程
• 关键词: 核主成分分析(KPCA) 自适应粒子群算法(APSO) 最小二乘支持向量机(LSSVM) 管道磨损风险
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 地质采矿与安全工程|Geology ,Mining and Safety Engineering
• 页码范围: 96-106
• 页数: 11页
• 分类号: TD853.34
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1744.2021.03.015

摘要

为提高充填管道磨损风险的预测精度,构建基于核主成分分析(KPCA)和自适应粒子群算法(APSO)优化的最小二乘支持向量机(LSSVM)磨损风险预测模型.首先通过KPCA对数据进行特征提取和降维处理,获取影响管道磨损的主要因素,然后应用LSSVM建立磨损风险预测模型,同时利用APSO算法对模型参数进行优化.最后,以黄陵县矿区为例,分析选取12种影响因素,建立充填管道磨损风险指标体系,借助MATLAB进行仿真训练与预测,并对预测结果进行对比分析.结果表明:KPCA-APSO-LSSVM模型与其他模型相比具有更高的预测精度及更强的泛化能力,是一种更为有效的磨损风险预测方法.