基于IPSO-Powell优化SVM的煤与瓦斯突出预测算法
吴雅琴
李惠君
徐丹妮
1.中国矿业大学(北京)机电与信息工程学院,北京1000832.中国矿业大学(北京)机电与信息工程学院,北京1000833.中国矿业大学(北京)机电与信息工程学院,北京100083
摘要：针对基于支持向量机(SVM)的煤与瓦斯突出预测算法存在预测精度和可靠性不高,选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合(IPSO-Powell)优化SVM的煤与瓦斯突出预测算法.首先通过灰色关联分析提取出煤与瓦斯突出主控因素,即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型,作为算法的输入样本;然后运用IPSO算法改善粒子群算法(PSO)的早熟收敛性,结合Powell算法进行局部搜索得到最优解,对SVM算法的惩罚系数和高斯核函数参数进行寻优,得到SVM的最优参数组合;最后将煤与瓦斯突出的主控因素输入到SVM中进行分类,并将其与实际测试集分类结果进行对比,实现煤与瓦斯突出预测.仿真结果表明:与SVM算法、GA-SVM算法、PSO-SVM算法相比,利用IPSO-Powell优化SVM算法进行煤与瓦斯突出预测,具有更高的预测精度,同时提高了SVM求解过程的运算效率,能同时满足煤与瓦斯突出预测的精度和可靠性要求,准确率达到95.9％.
关键词：煤与瓦斯突出预测主控因素灰色关联分析支持向量机改进粒子群算法Powell算法
分类号：TD712(矿山安全与劳动保护)
资助基金：国家自然科学基金(51874314)
论文发表日期：2020-04-10
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：8( 46-53 )
英文信息