改进的粒子群支持向量机预测瓦斯涌出量
孟倩1
马小平2
周延3
1.中国矿业大学 信息与电气工程学院，江苏 徐州221008; 江苏师范大学 计算科学与技术学院，江苏 徐州2211162.中国矿业大学 信息与电气工程学院,江苏 徐州,2210083.中国矿业大学 安全学院,江苏 徐州,221008
摘要：提出一种基于改进的粒子群参数优化的支持向量回归机算法( IPSO-SVR)，该方法引入混沌映射及网格分区寻参思想，能避免粒子群算法( PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型，结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机( PSO-SVR)模型、广义回归神经网络( GRNN)模型进行比较， IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型，可用于瓦斯涌出量的实际预测，表明所提出的IPSO算法是选取SVR参数的有效方法。
关键词：支持向量回归机混沌粒子群瓦斯涌出量预测
分类号：TD712(矿山安全与劳动保护)TP18(自动化基础理论)
资助基金：国家自然科学基金(61303183)江苏省自然科学基金(BK20130204)高等学校博士学科点专项科研基金(20120095120023)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1-5 )
英文信息