本文選題：瓦斯 + 滲透率　； 參考：《數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)》2016年20期

【摘要】：針對(duì)煤體瓦斯?jié)B透率在預(yù)測方法上存在計(jì)算量大、樣本選取量多、智能化程度低等問題,首先分析了瓦斯壓力、有效應(yīng)力、溫度變化和抗壓強(qiáng)度等4個(gè)影響煤體瓦斯?jié)B透率的主要因子,然后根據(jù)煤體的力學(xué)特性建立了煤體瓦斯?jié)B透率的PSO-SVM預(yù)測模型,應(yīng)用PSO算法優(yōu)化了支持向量機(jī)模型的參數(shù),最后將該模型應(yīng)用于實(shí)際工程中,并將該模型的預(yù)測結(jié)果與BP模型的預(yù)測結(jié)果進(jìn)行比較,結(jié)果表明,在樣本數(shù)據(jù)較少的情況下,PSO-SVM模型的預(yù)測誤差較小,準(zhǔn)度更高,能夠更好的對(duì)煤體瓦斯?jié)B透率進(jìn)行預(yù)測.
[Abstract]:In order to solve the problems of large amount of calculation, large sample selection and low intelligence in predicting coal gas permeability, the gas pressure and effective stress are analyzed.According to the mechanical properties of coal, the PSO-SVM prediction model of gas permeability of coal body is established, and the parameters of support vector machine model are optimized by PSO algorithm.Finally, the model is applied to practical engineering, and the prediction results of this model are compared with those of BP model. The results show that the prediction error of PSO-SVM model is smaller and the accuracy is higher when the sample data is less.Can better predict the coal gas permeability.
【作者單位】： 廊坊師范學(xué)院建筑工程學(xué)院;
【分類號(hào)】：TD712;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 譚鵬;曹平;;基于灰色關(guān)聯(lián)支持向量機(jī)的地表沉降預(yù)測[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

2 張紅亮;王水林;呂穎慧;尹小濤;;爆破震動(dòng)效應(yīng)的支持向量機(jī)分析預(yù)測[J];礦業(yè)研究與開發(fā);2007年04期

3 歐敏;林從謀;;支持向量機(jī)預(yù)測高邊坡爆破質(zhì)點(diǎn)振動(dòng)速度[J];金屬礦山;2011年06期

4 徐曉冰;史興燕;;煤炭需求量預(yù)測的支持向量機(jī)模型[J];電腦知識(shí)與技術(shù);2014年20期

5 郭鳳儀;郭長娜;王愛軍;王洋洋;劉丹;;基于粒子群優(yōu)化支持向量機(jī)的煤礦水位預(yù)測模型[J];計(jì)算機(jī)工程與科學(xué);2012年07期

6 陸有忠;高永濤;吳順川;朱瑞鈞;;基于進(jìn)化支持向量機(jī)的巖土體位移反分析[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào);2006年03期

7 王久鳳;徐桂云;宋三峰;;支持向量機(jī)在提升機(jī)故障診斷中的應(yīng)用研究[J];礦山機(jī)械;2009年05期

8 劉強(qiáng);;基于支持向量機(jī)的煤巖界面識(shí)別方法[J];太原科技;2007年08期

9 馬恩杰;白銳;柴天佑;;基于加權(quán)支持向量機(jī)的選礦生產(chǎn)指標(biāo)預(yù)報(bào)模型[J];系統(tǒng)仿真學(xué)報(bào);2008年08期

10 史冉;張素芬;;基于支持向量機(jī)的煤礦機(jī)械故障預(yù)測研究[J];煤礦機(jī)械;2013年09期

相關(guān)會(huì)議論文 前2條

1 朱珍德;李紅波;尚劍飛;劉金輝;;基于支持向量機(jī)理論的礦山動(dòng)采巷道圍巖變形預(yù)測分析[A];自主創(chuàng)新與持續(xù)增長第十一屆中國科協(xié)年會(huì)論文集（1）[C];2009年

2 許傳華;李瑞;任青文;;基于支持向量機(jī)的巖體演化的非線性動(dòng)力學(xué)模型與突變分析[A];2004年全國礦山信息化建設(shè)成果及技術(shù)交流會(huì)論文集[C];2004年

相關(guān)博士學(xué)位論文 前2條

1 陳桂軍;基于支持向量機(jī)的異常檢測關(guān)鍵問題研究及應(yīng)用[D];太原理工大學(xué);2016年

2 金珠;改進(jìn)的支持向量機(jī)分類算法及其在煤礦人因事故安全評(píng)價(jià)中的應(yīng)用[D];中國礦業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前7條

1 王雷;支持向量機(jī)預(yù)測煤儲(chǔ)層滲透性[D];中國石油大學(xué);2011年

2 高凱;基于支持向量機(jī)的煤自燃預(yù)測方法研究[D];西安科技大學(xué);2012年

3 單明霞;基于GIS的支持向量機(jī)分類模型建立及其在資源評(píng)價(jià)中的應(yīng)用[D];成都理工大學(xué);2009年

4 朱永才;基于支持向量機(jī)的儲(chǔ)層參數(shù)預(yù)測方法研究[D];西南石油大學(xué);2012年

5 張彥周;基于支持向量機(jī)的測井曲線預(yù)測儲(chǔ)層參數(shù)方法[D];西安科技大學(xué);2006年

6 李素蓉;深部金屬礦山地震活動(dòng)特性及巖爆的支持向量機(jī)預(yù)測研究[D];中南大學(xué);2011年

7 張雷;煤礦井下基于網(wǎng)格劃分的分層定位算法研究[D];中國礦業(yè)大學(xué);2015年

，

本文編號(hào)：1746633