排序方式: 共有3条查询结果,搜索用时 6 毫秒
1
1.
为了实时监测和精准预测煤矿回采工作面绝对瓦斯涌出量,提出猫群算法(CSO)优化相关支持向量机(RVM)的绝对瓦斯涌出量预测方法.相关向量机的组合核函数可实现多特征空间的信息融合,为有限样本、高维数瓦斯涌出量预测建模问题提供一种行之有效的方法.并用CSO算法对RVM瓦斯涌出量预测模型的核函数权重p和高斯核参数σ快速寻优.利用矿井无线传感器网络检测到的各项历史数据试验.结果表明,相比BP、SVM算法,该耦合模型有效提高了预测精度,具有更好的泛化能力,为矿井瓦斯预测提供理论支持. 相似文献
2.
为了能够实现高精度与实时性的动态预测煤矿绝对瓦斯涌出量,本文提出了等容特征映射IsoMap(Isometric feature Mapping)与改进细菌觅食优化算法MBFO(Modified Bacteria Foraging Optimization)优化支持向量回归机SVR(Support Vector Regression)相结合的预测方法。瓦斯涌出是在多种影响因子共同作用下的结果,并且这些因素之间是复杂的非线性关系,因此本文中提出采用流形学习方法IsoMap对其进行降维特征提取,该方法用测地距离(geodesic distace)取代了普遍采用的欧氏距离,有利于对高维特征内在关系的挖掘,取得了优于传统的主成分分析(PCA)的结果;将MBFO算法对SVR的相关参数进行寻优;将IsoMap分析结果输入预测模型。仿真表明,与PSO算法比较,本文提出的预测方法预测精度较高,更加有利于对瓦斯涌出量预测。 相似文献
3.
1