检索结果-南通市图书馆

工矿自动化 2018年第12期44卷 48-53页

作者：李欢贾佳杨秀宇宋春儒中国矿业大学信息与控制工程学院江苏徐州221008 山西中煤华晋能源有限责任公司王家岭分公司山西运城043000 同煤国电同忻煤矿有限公司山西大同037000

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-lssvm)的瓦斯浓度预测模型。首先,对采集的大... 详细信息

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-lssvm)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-svm aco-ls-svm

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：