| 基于IPSO-SVM的瓦斯突出危险程度预测 |
| |
| 引用本文： | 李圣普,王小辉.基于IPSO-SVM的瓦斯突出危险程度预测[J].现代电子技术,2016(4):21-25. |
| |
| 作者姓名： | 李圣普 王小辉 |
| |
| 作者单位： | 平顶山学院计算机科学与技术学院 |
| |
| 基金项目： | 河南省科技厅攻关项目:灰色理论与支持向量机相融合的煤与瓦斯突出预警系统研究(KJT142102210225) |
| |
| 摘 要： | 煤与瓦斯突出事故危及矿工生命,破坏生产现场。通过现场监测瓦斯突出的相关数据,对瓦斯突出的危险程度进行预测,提前做好防范措施,减少瓦斯突出事故的危害。为此,提出支持向量机算法与改进粒子群算法相结合的瓦斯突出危险程度预测模型:首先对容易陷入局部最优的粒子群进行改进;接着应用改进粒子群算法求解影响支持向量机分类预测性能的最佳参数;然后把最佳参数应用于擅长模式识别的支持向量机算法,进行瓦斯突出样本数据的训练,构建瓦斯预测模型;最后使用瓦斯预测模型对新的瓦斯突出数据进行预测。实验结果表明,采用该方法进行瓦斯突出预测的准确率,比纯支持向量机算法提高了5%。
|
| 关 键 词： | 改进粒子群 支持向量机 参数优化 瓦斯突出预测 |
Gas outburst risk prediction based on IPSO-SVM |
| |
| LI Shengpu;WANG Xiaohui.Gas outburst risk prediction based on IPSO-SVM[J].Modern Electronic Technique,2016(4):21-25. |
| |
| Authors: | LI Shengpu;WANG Xiaohui |
| |
| Affiliation: | LI Shengpu;WANG Xiaohui;College of Computer Science and Technology,Pingdingshan University; |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
