RS-LS-SVR 模型在煤与瓦斯突出预测的应用

在综合研究了各种算法的基础上,将粗集理论和最小二乘支持向量机算法结合,充分利用了粗集算法能够去除冗余信息,最小二乘支持向量机能够精确加快收敛速的优点。利用具体网络建立一个突出预测机制,并利用本预测机制对矿井瓦斯突出情况进行模拟预测。经过基于MATLAB工具箱的BP神经网络模型的实验对比表明,LS-SVR能加快收敛速度。实验结果表明,基于RS-LS-SVR网络的预测模型可靠,收敛速度快,预测精度高,效果良好。     

煤与瓦斯突出预测的NN-SVM模型

为提高煤与瓦斯突出预测的精度和速度,通过基于邻域粗糙集(NRS)理论对特征向量降维,提取出影响煤与瓦斯突出的核心致突因素,采用改进的支持向量机(NN-SVM)理论来构建煤与瓦斯突出风险与由各种致突因素组成的特征向量之间的非线性关系.从而建立了基于邻域粗糙集(NRS)与改进的支持向量机(NN-SVM)相结合的煤与瓦斯突出预测模型.实验结果表明,该预测模型预测精度高,运算速度更快,同时还具有很好的泛化能力.     

一种采用CCPSO-SVM的煤与瓦斯突出预测方法

为了有效地对矿井煤与瓦斯突出进行预测,提出了一种基于完全混沌粒子群优化(CCPSO)与支持向量机 (SVM)的矿井煤与瓦斯突出预测方法。该方法将矿井工作面前方煤体瓦斯涌出量动态变化时间序列的多重分维谱 作为特征指标,应用支持向量(SVM)构建预测模型,模型的参数向量由改进的完全混沌粒子群优化算法和测试集样 本集分类错误率最小准则选择和优化。实验结果证明,该方法是有效的,它为煤与瓦斯突出预测提供了一种新途径。     

基于KPCA-SVM的煤与瓦斯突出预测方法

提出了一种基于KPCA-SVM的煤与瓦斯突出预测方法。该方法首先通过KPCA方法对影响煤与瓦斯突出的相关指标进行特征提取,然后利用SVM方法对煤与瓦斯突出进行分类预测。实例结果表明,该方法对煤与瓦斯突出预测的准确率明显高于直接运用SVM方法的煤与瓦斯突出预测准确率,且运算速度快,识别能力强,同时根据该方法建立的煤与瓦斯突出分类预测模型具有较好的稳定性和有效性。     

基于ICA-SVM的煤与瓦斯突出预测研究

影响煤与瓦斯突出的因素很多且错综复杂,而现有的煤与瓦斯突出预测方法所考虑的影响煤与瓦斯突出的因素较少,针对大量指标属性时无法进行有效的分析处理。针对该问题,文章提出了一种基于ICA-SVM的煤与瓦斯突出预测方法。该方法首先通过独立成分分析方法对所选指标属性进行特征提取,然后利用支持向量机模型对煤与瓦斯突出进行预测分析。预测结果表明,基于ICA-SVM的煤与瓦斯突出预测方法的预测准确率高,且运算速度快,识别分类能力强,效果较好。     

基于改进的自适应支持向量机建模的煤与瓦斯突出预测*

提出一种新的模糊隶属度函数对标准模糊支持向量机进行改进,然后运用自适应遗传算法对改进后的模糊支持向量机进行参数优选,得到一种新的AGAIFSVM模型,并且将提出的模型应用于煤与瓦斯突出预测。实验结果表明,所提出的模型比BP神经网络、标准支持向量机和模糊聚类有更高预测精度和更强的稳定性,具有较大的实用价值。     

煤与瓦斯突出强度的FOA-SVM预测模型与应用

为了能够对煤与瓦斯突出进行准确的辨识,本文提出将果蝇算法(FOA)与支持向量机(SVM)相结合的预测方法.首先通过Karhunen-Loève变换(K-L变换)进行特征提取,降低特征向量的维数,减小运算量;然后将经过K-L变换的样本作为FOA-SVM模型输入,通过果蝇算法全局寻优,自动搜索符合本预测模型最佳参数组合.通过对预测模型的训练与仿真表明:本文提出的方法具有设计实现简单,辨识精度高、推广能力强的特点,为煤矿灾害预测提供理论支持.     

基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法

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%.     

基于变精度粗糙集的煤与瓦斯突出预测

煤与瓦斯突出是受诸多因素影响的复杂问题,为了提高其预测的准确性,本文以变精度粗糙集理论中的决策表为主要工具,首先将影响煤与瓦斯突出的检测信号作为预测的条件属性集,煤与瓦斯突出量作为对预测的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出预测规则。算例结果说明了本算法的正确性和可行性。     

GIS与RS系统集成研究

RS信息具有周期动态性、信息丰富、获取效率高等优势,而GIS则具有高效的空间数据管理和灵活的空间数据综合分析能力,但两者均有一定的局限性。随着GIS技术和RS技术的发展,人们迫切希望能够将RS的强大的图像处理与GIS强大的空间分析等结合起来,解决日益复杂的环境问题,因此,GIS与RS的系统集成问题成为关注的热点。本文通过综合分析GIS与RS系统集成现状,探讨GIS与RS系统集成的技术方法、关键问题和方式。随着对地观测技术的发展,以RS为核心,融入GIS功能的系统集成已成为当前发展的主要趋势。     

WebGIS与RS的整合方案及其应用

针对Web应用中坐标系和投影的多样化和差异性、对平台依赖性强等导致网络地理信息系统技术（WebGIS）和遥感（RS）集成方面的研究不足问题,提出一种整合方案。该方案通过分析遥感影像投影和检索机制,结合空间数据计算和投影转换,构建中客户端模型,实现WebGIS和RS的整合。在水雨情监视预警系统的应用结果表明,该方案具有较大的稳定性和实用性。     

基于RS、GIS集成的水深探测研究

利用陆地卫星TM影像反射率和实测水深值之间的相关性,建立了遥感信息与水深之间的非线性回归模型。给出了遥感图像去噪算法。在此基础上设计了一个基于GIS组件MapX,采用C／S架构,使用VB和Microsoft SQLServer数据库相结合的集成系统,实现了水深探测的可视化以及水深信息的查询和管理功能。实验结果表明,改进模型预测精度高,系统具有可视化、集成化和可扩展性强等特点．能够满足水深探测研究的需要。     

基于RS、GIS集成的水深探测研究

利用陆地卫星TM影像反射率和实测水深值之间的相关性,建立了遥感信息与水深之间的非线性回归模型.给出了遥感图像去噪算法.在此基础上设计了一个基于GIS组件MapX,采用C/S架构,使用VB和Microsoft SQLServer 数据库相结合的集成系统,实现了水深探测的可视化以及水深信息的查询和管理功能.实验结果表明,改进模型预测精度高,系统具有可视化、集成化和可扩展性强等特点,能够满足水深探测研究的需要.     

自动化仓库管理与控制系统集成设计与实现

分析了自动化仓库管理与设备控制系统的功能需求，指出了它与过程监控系统的不同点，划分了自动化仓库管理与控制系统功能模块。结合以太网和现场总线的技术特点，设计了以交换式快速以太网为主干、以总线型现场总线为底层的系统集成网络结构，给出了基于以太网的设备监控通信协议分层模型。通过介绍该设计在某企业生产仓储兼有物流功能的自动化仓库的实现，阐明了仓库管理与监控系统软件的集成。该设计使用通用器件和通用技术以较低成本实现了自动化仓库管理与控制系统集成，具有易于扩展和维护的优点。     

连续流量法煤巷突出预测系统的研究与实现

连续流量法煤巷突出预测系统是一种以嵌入式计算机为核心的新型动态突出预测方法。文章阐述了该系统的工作原理和功能,并给出了系统的硬件和软件结构图,还对现有的突出预测方法进行了总结和分析。     

采用RS编码的改进高速数据传输平台实现

为了满足部分工业控制系统的高速、单向数据传输需求,基于Aurora协议和PCIE接口设计了高速数据传输平台,在AX7325开发板上完成逻辑电路设计和实验仿真。采用RS编码技术,改善了单向传输中高误码率和数据包丢失的情况,并实现了多个RS编译码单元并行处理的管理控制。经过仿真和板级实验,所设计的改进高速数据传输平台可满足传输速率要求,性能稳定,误码率低。     

用PLC实现中型立体仓库控制

提出了一种用PLC实现中型立体仓库自动控制方法。立体仓库系统的运行表明堆垛机三维定位控制精确,运行可靠。     

基于IP集成的RS码＋DQPSK系统设计

本文利用Altera公司开发的RS、NCO和FIR IP core以及Simulink、DSP_Builder中的模块快速搭建了一个RS(204,188) DQPSK的低中频调制解调系统。分别在Simulink、Modelsim中验证了系统的功能,最后在Altera公司的Stratix II EP2S60DSP开发板中实现了该系统,并对系统进行了测试。试验结果表明DQPSK系统加入RS码后,在Pe=1e-3时,RS(204,188)编码可以带来3￣4dB的增益。