基于KPCA-Fisher判别分析的煤炭自燃预测研究
温廷新
于凤娥
1.辽宁工程技术大学 系统工程研究所,辽宁 葫芦岛,1251052.辽宁工程技术大学 系统工程研究所,辽宁 葫芦岛,125105
摘要：为了提高煤炭自燃危险性预测精度,提出了基于KPCA-Fisher判别分析的煤炭自燃预测模型.利用核主成分分析法(KPCA)对相关程度较高的特征指标进行非线性特征提取,将提取出的主成分作为Fisher判别模型的判别因子.选取宣东2号煤矿煤炭自燃的历史数据,以3 : 1的比例抽取训练集和测试集并代入该模型进行训练和测试,并将预测结果与传统的FDA、SVM和BPNN模型相比较.结果表明:KPCA能有效提取煤炭自燃特征指标,降低指标间信息冗余,基于KPCA的Fisher判别模型用于煤炭自燃预测简单可行,准确率较高.
关键词：煤炭自燃预测核主成分分析Fisher判别分析回代估计法
分类号：TD75(矿山安全与劳动保护)
资助基金：国家自然科学基金项目(713711091)辽宁省社科基金项目(L14BTJ004)
论文发表日期：2018-01-01
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：6( 49-53,58 )
英文信息