共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
3.
为解决煤层底板突水预测难题,提出了基于主成分分析、模糊数学、粒子群算法以及支持向量机分类的底板突水危险性评价模型,模型以支持向量机分类为基础,通过主成分分析将多种影响底板突水的因子归纳为构造主成分、水文地质主成分、煤层信息主成分及开采条件主成分,其中构造主成分及水文地质主成分为影响底板是否突水的最主要控制因素,模糊化主成分因子,利用粒子群算法优化支持向量机分类参数,根据已有数据资料建立了评价模型,并将该模型应用于实际中,得到了准确的预测结果,为底板突水危险性评价提供了一种新的方法。 相似文献
4.
5.
6.
提出利用遗传算法优化在线支持向量机的风电场风速预测方法,应用遗传算法选择在线支持向量机的参数,将选择的参数代入在线支持向量模型,对前7 d的风速进行预测,实验结果证明了该方法的可行性。 相似文献
7.
8.
9.
10.
11.
矿井突水是常见的突发性强烈的矿井灾害。为了更好地预防矿井水灾,降低灾害造成的物质损失以及减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数。针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差这5个作为特征因素。然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量。结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明:该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值。 相似文献
12.
从信息融合的角度,将煤层底板突水量预测过程看成是一个多源信息融合处理与状态估计过程,提出基于贴近度的模糊证据理论,建立基于模糊证据理论的煤层底板突水状态估计与评价模型。利用15个有代表性的采煤工作面底板突水资料作为训练样本,基于广义三角模糊数生成各焦元基本概率赋值。用所建立的突水预测模型对4个待检验的突水样本进行分析,并与人工神经网络、最小二乘支持向量机、距离判别分析等方法进行比较,所得结果一致或更好,说明基于模糊证据理论的煤层底板突水量估计方法具有良好的实用性和有效性。 相似文献
13.
为有效预防煤矿底板突水风险,在传统的粒子群优化算法中增加自适应权重,结合遗传算法的交叉、变异步骤改进传统的粒子群优化算法,并用其优化SVM模型,建立改进的GA-PSO-SVM煤矿底板破坏深度预测模型,选取采深、煤层倾角、采高、工作面长度、煤层底板承压水水压和煤层底板损伤变量作为影响底板破坏深度的主控因素,通过15组煤炭生产单位采集底板破坏带深度相关数据,测试改进的GA-PSO-SVM模型的性能,并与FOA-SVM模型、BP模型的预测结果进行对比,研究表明:改进的GA-PSO-SVM模型预测结果与实测结果的误差范围为0.36%~5.22%,FOA-SVM模型预测结果的误差范围为1.60%~12.49%,BP模型预测结果的误差范围为1.01%~20%,改进的GA-PSO-SVM模型预测结果的误差范围更小,更适合煤矿现场的应用要求。 相似文献
14.
15.
16.
17.
传统的基于机器学习的煤层突水预测方法需要大量的训练样本进行预测模型的训练。而在矿井突水问题中,大量训练样本的获得基本上是不可能的。主要研究在突水样本数据有限的情况下提高煤层突水预测结果的准确性。结合山西省某煤矿的实际情况,提出了一种新颖的基于万有引力的煤层底板突水预测方法(Gravitational force based algorithm,GFA)。该算法采用半监督的学习方式,将万有引力公式引入到预测模型中,利用少量的突水训练样本作为引力的源点吸引测试样本进行突水安全状态的传递,进而实现突水测试样本安全性的预测。将提出的算法用于历史突水数据以及实际的煤层底板突水数据进行实验,实验结果表明,在突水训练数据有限的情况下,提出的基于万有引力的煤层底板突水预测算法可获得良好的预测效果。 相似文献