煤矿综采工作面瓦斯浓度预测模型
李欢1
贾佳1
杨秀宇2
宋春儒3
1.中国矿业大学信息与控制工程学院,江苏徐州,2210082.山西中煤华晋能源有限责任公司王家岭分公司,山西运城,0430003.同煤国电同忻煤矿有限公司,山西大同,037000
摘要：针对基于最小二乘支持向量机(LS-SVM)的瓦斯浓度预测方法进行参数优化时存在的易陷入局部最优解、搜索效率较低、易产生早熟收敛等问题,提出了一种基于改进蚁群算法-最小二乘支持向量机(ACO-LS-SVM)的瓦斯浓度预测模型.首先,对采集的大量煤矿综采工作面瓦斯数据进行k-means聚类分析,以降低数据维数;然后,采用改进蚁群算法对LS-SVM的惩罚参数和核函数参数进行寻优,再代入LS-SVM模型中进行回归预测.仿真结果表明,当瓦斯体积分数绝对误差阈值分别为0.03％,0.04％,0.05％时,基于ACO-LS-SVM的瓦斯浓度预测模型的预测准确度都在95％左右,比SVM模型和LS-SVM模型表现更好.
关键词：综采工作面瓦斯浓度预测蚁群算法最小二乘支持向量机k-means聚类分析参数寻优LS-SVMACO-LS-SVM
分类号：TD712(矿山安全与劳动保护)
资助基金：国家重点研发计划(2016YFC0801808)
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( 48-53 )
英文信息