留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究

张剑英 许徽 陈娟 曹新德

张剑英, 许徽, 陈娟, 等. 基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J]. 工矿自动化, 2010, 36(10): 32-35.
引用本文: 张剑英, 许徽, 陈娟, 等. 基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J]. 工矿自动化, 2010, 36(10): 32-35.
SU Po, CHEN Qing, et al. Analysis of Mine Low-voltage Leakage Protection in Situation of Great Disparity between Long and Short Lines and Big Unbalanced Current[J]. Industry and Mine Automation, 2010, 36(10): 32-35.
Citation: SU Po, CHEN Qing, et al. Analysis of Mine Low-voltage Leakage Protection in Situation of Great Disparity between Long and Short Lines and Big Unbalanced Current[J]. Industry and Mine Automation, 2010, 36(10): 32-35.

基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究

详细信息
  • 中图分类号: TD712.5

Analysis of Mine Low-voltage Leakage Protection in Situation of Great Disparity between Long and Short Lines and Big Unbalanced Current

  • 摘要: 为了准确预测煤矿瓦斯浓度,基于从芦岭煤矿KJ98监控系统中提取的生产现场瓦斯浓度时间序列数据,对基于粒子群优化的支持向量机理论在瓦斯浓度短期预测中的应用进行了研究。首先对瓦斯浓度时间序列进行小波软阈值去噪和相空间重构等预处理,然后采用粒子群优化算法对支持向量机的惩罚因子、损失函数、核函数参数进行了优化,并基于最优参数建立了瓦斯浓度预测的支持向量机模型。仿真结果表明,采用粒子群优化的支持向量机理论进行煤矿瓦斯浓度预测,极大地提高了预测的准确性和精确度;误差分析结果表明,该方法预测结果的误差很小,且测试样本越小,误差越小。

     

  • 加载中
计量
  • 文章访问数:  32
  • HTML全文浏览量:  3
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 刊出日期:  2010-10-10

目录

    /

    返回文章
    返回