基于混沌粒子群的AWLSSVM瓦斯预测研究

作     者：李栋 孙振明 李梅 侯运炳 毛善君 牛永寿 LI Dong;SUN Zhenming;LI Mei;HOU Yunbing;MAO Shanjun;NIU Yongshou

作者机构：中国矿业大学(北京)能源与矿业学院北京100083 北京大学遥感与地理信息系统研究所北京100871 陕西旬邑青岗坪矿业有限公司陕西旬邑711300 

出 版 物：《煤矿安全》 (Safety in Coal Mines)

年 卷 期：2020年第51卷第8期

页      面：193-198,205页

学科分类：0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 

基　　金：国家重点研发计划资助项目(2017YFC0804303,2016YFC0801800) 中央高校基本科研业务费专项资金资助项目(2017QZ02) 

主　　题：瓦斯预测 混沌粒子群算法 多变量相空间重构 最小二乘支持向量机 预测模型 

摘      要：为了提高矿井瓦斯浓度预测的准确性,提出1种改进混沌粒子群算法的多变量自适应加权最小二乘支持向量机(AWLSSVM)瓦斯预测模型,且实现了瓦斯浓度的多步预测。首先,对粒子群算法进行分析,提出1种收敛速度更快、全局搜索能力更强的改进混沌粒子群算法;针对加权最小二乘支持向量机(WLSSVM)权值线性分布的缺点,根据离散点的分布特征,提出了AWLSSVM;其次,采用混沌理论构建模型的样本集;最后,对建立的模型进行了实例分析。结果表明:AWLSSVM单变量预测精度相对于最小二乘支持向量机、WLSSVM分别提高了5.3%和6.7%;多变量AWLSSVM相对于单变量AWLSSVM五步预测精度分别提高了39.3%、49.6%、55.9%、59.7%、62.5%。