DOI: 10.11799/ce202204016
基于PSO-SVR预测模型的综采工作面周期来压研究
吕文玉1
王海金2
伍永平1
杜旭峰2
贺雁鹏2
贾栋栋3
1.西安科技大学 能源学院, 陕西 西安 710054;西安科技大学 西部矿井开采及灾害防治教育部重点实验室, 陕西 西安 7100542.西安科技大学 能源学院, 陕西 西安 7100543.陕西小保当煤业有限公司, 陕西 神木 719300
摘要：为了准确预测综采工作面基本顶周期来压规律,采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素.针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题,建立了粒子群算法优化参数选择的支持向量机(P SO-SVR)预测模型.试验结果得出:P SO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7％、74.3％,决定系数分别提升为45.7％、44.6％.为突显PSO-SVR模型性能的优越性,与应用最广泛的BP普通神经网络进行了对比试验,粒子群算法对标准支持向量机模型性能优化效果明显,较普通BP神经网络优势显著.可见,P SO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性.
关键词：支持向量机粒子群神经网络周期来压灰度理论
分类号：TD323(矿山压力与支护)
资助基金：国家自然科学基金(51974226)国家自然科学基金(52174127)国家自然科学基金(51634007)陕西省煤矿水害防治技术重点实验室开放基金项目(2020SKMS02)
论文发表日期：2022-04-28
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( 86-91 )
英文信息