基于SVM的瓦斯涌出量非线性组合预测方法

为了提高矿井瓦斯涌出量的预测精度,提出了一种基于支持向量机(SVM)的瓦斯涌出量非线性组合预测方法.该方法应用结构化风险最小化准则且具有在全局意义上逼近任意非线性函数特性的SVM,建立了一个多输入单输出的瓦斯涌出量非线性组合预测模型,通过样本学习和平均绝对百分比误差最小原则确定预测模型的参数,对双曲线回归、指数回归和灰色预测方法得到的3个不同的单项预测数据进行非线性组合作为最终预测结果.结果表明,该方法的平均绝对误差为6.92%,均方根误差为0.93 m3/t,其预测精度明显优于各个单项预测结果,大幅降低了预测风险,为提高瓦斯涌出量预测精度提供了一条新途径.     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

新登煤矿三水平综放工作面瓦斯涌出量预测

通过采用分源法和矿山统计法相结合的预测方法,综合分析得出了三水平初期开采阶段工作面采用轻放工艺回采时的瓦斯涌出量,极大地指导了矿井下一步的瓦斯管理和安全生产.     

新登煤矿三水平综放工作面瓦斯涌出量预测

通过采用分源法和矿山统计法相结合的预测方法,综合分析得出了三水平初期开采阶段工作面采用轻放工艺回采时的瓦斯涌出量,极大地指导了矿井下一步的瓦斯管理和安全生产.     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。     

基于最小二乘支持向量机的煤矿瓦斯预测

瓦斯涌出量受多种自然因素和开发技术的影响,是一个非线性、高维的问题.提出了改进的PSO算法与LSSVM算法相结合对瓦斯涌出量进行预测的新方法.实验结果表明,该模型预测精度更高,泛化能力更强.     

基于PLSMA-SVR模型的井采工作面瓦斯涌出量分析预测

瓦斯涌出量预测问题在煤矿安全管理中最为关键,对瓦斯涌出量的预测及影响因素分析具有非常前端性的意义。基于现存的相关预测方法,为了达到精度和速度上的提升,提出利用Piecewise混沌映射和Levy飞行策略改进后的黏菌算法(SMA)对支持向量回归(SVR)进行参数优化,从而建立PLSMA-SVR瓦斯涌出量预测模型。模型采用黄陵矿区4203综放工作面30组一线数据进行训练验证,与同类不同模型训练结果进行对比分析,从而验证其适用性和可行性。对比结果显示：PLSMA-SVR预测模型的准确率居同类模型之首,训练速度和精度方面有明显提升。     

综采工作面相对瓦斯涌出量灰色模型预测

以灰色模型GM(1,1)为基础,对赵庄煤矿综采工作面的相对瓦斯涌出量进行了灰色预测和精度检验,并利用残差灰色模型对预测结果进行了修正.结果表明,灰色预测模型所需建模信息少,运算方便,模型预测精度高,是处理小样本预测问题的有效工具;当预测结果不满足精度要求时,还可以建立残差灰色模型对预测结果进行修正,从而进一步提高预测结果精度;在预测煤层相对瓦斯涌出量时,能达到较高的精度,可以满足工程技术的要求.     

Thrust estimator design based on least squares support vector regression machine

In order to realize direct thrust control instead of traditional sensor-based control for aero-engines,it is indispensable to design a thrust estimator with high accuracy,so a scheme for thrust estimator design based on the least square support vector regression machine is proposed to solve this problem. Furthermore,numerical simulations confirm the effectiveness of our presented scheme. During the process of estimator design,a wrapper criterion that can not only reduce the computational complexity but also enhance the generalization performance is proposed to select variables as input variables for estimator.     

Fault diagnosis of power-shift steering transmission based on multiple outputs least squares support vector regression

A method of multiple outputs least squares support vector regression (LS-SVR) was developed and described in detail, with the radial basis function (RBF) as the kernel function. The method was applied to predict the future state of the power-shift steering transmission (PSST). A prediction model of PSST was gotten with multiple outputs LS-SVR. The model performance was greatly influenced by the penalty parameter γ and kernel parameterσ2 which were optimized using cross validation method. The training and prediction of the model were done with spectrometric oil analysis data. The predictive and actual values were compared and a fault in the second PSST was found. The research proved that this method had good accuracy in PSST fault prediction, and any possible problem in PSST could be found through a comparative analysis.     

基于最小二乘支持向量机的企业库存预测方法

针对目前常用的基于神经网络的库存预测方法存在收敛速度慢或不收敛、存在局部极小值、网络结构选择具有随机性且对小样本库存预测容易出现过学习现象等问题,提出了基于最小二乘支持向量机的企业库存预测算法。通过结合某公司的库存实际计算以及与其他预测方法进行比较,通过仿真试验和实际数据验证,该算法计算简单,且具有更好适应性和很好的鲁棒性等特点。     

基于最小二乘支持向量机的锅炉对流受热面清洁吸热量预测

针对神经网络拓扑结构复杂、易出现过度训练、仅获局部最优解的问题,为提高锅炉对流受热面清洁时潜在吸热量预测的准确度,更好地进行受热面污染监测,提出了一种新的基于最小二乘支持向量机的对流受热面清洁时潜在吸热量预测方法。依据最小二乘支持向量机预测原理,建立对流受热面清洁时潜在吸热量最小二乘支持向量机预测模型,同时建立神经网络预测模型进行对比研究,实例研究结果表明,最小二乘支持向量机较神经网络具有更高的拟合度,预测各性能都高于神经网络,其在对流受热面清洁时潜在吸热量预测方面明显优于神经网络,将成为对流受热面清洁时潜在吸热量预测也即受热面污染监测方面更为有利的工具。     

和声搜索最小二乘支持向量机预测模型及其应用

为了改进目前最小二乘支持向量机(LSSVM)参数选择的盲目性,将和声搜索(Harmony Search)算法引入到最小二乘支持向量机中来.利用具有全局优化功能的和声搜索算法对LSSVM中正则化参数γ和核函数参数σ的进行自动优选,提出了和声搜索最小二乘支持向量机(Harmony Search Least Squares Support Vector Machine,HS-LSSVM)算法.通过对丰满大坝位移的建模预测并和BP神经网络模型及传统统计回归模型的分析比较,表明HS-LSSVM模型具有更小的预测误差和更高的预测精度.     

Forecasting model of residential load based on general regression neural network and PSO-Bayes least squares support vector machine

Firstly,general regression neural network(GRNN) was used for variable selection of key influencing factors of residential load(RL) forecasting.Secondly,the key influencing factors chosen by GRNN were used as the input and output terminals of urban and rural RL for simulating and learning.In addition,the suitable parameters of final model were obtained through applying the evidence theory to combine the optimization results which were calculated with the PSO method and the Bayes theory.Then,the model of PSO-...