本文選題：瓦斯 + 滲透率�。� 參考：《數(shù)學的實踐與認識》2016年20期

【摘要】：針對煤體瓦斯?jié)B透率在預測方法上存在計算量大、樣本選取量多、智能化程度低等問題,首先分析了瓦斯壓力、有效應力、溫度變化和抗壓強度等4個影響煤體瓦斯?jié)B透率的主要因子,然后根據(jù)煤體的力學特性建立了煤體瓦斯?jié)B透率的PSO-SVM預測模型,應用PSO算法優(yōu)化了支持向量機模型的參數(shù),最后將該模型應用于實際工程中,并將該模型的預測結(jié)果與BP模型的預測結(jié)果進行比較,結(jié)果表明,在樣本數(shù)據(jù)較少的情況下,PSO-SVM模型的預測誤差較小,準度更高,能夠更好的對煤體瓦斯?jié)B透率進行預測.
[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】： 廊坊師范學院建筑工程學院;
【分類號】：TD712;TP18

【相似文獻】

相關期刊論文 前10條

1 譚鵬;曹平;;基于灰色關聯(lián)支持向量機的地表沉降預測[J];中南大學學報(自然科學版);2012年02期

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

3 歐敏;林從謀;;支持向量機預測高邊坡爆破質(zhì)點振動速度[J];金屬礦山;2011年06期

4 徐曉冰;史興燕;;煤炭需求量預測的支持向量機模型[J];電腦知識與技術;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)化支持向量機的煤礦水位預測模型[J];計算機工程與科學;2012年07期

6 陸有忠;高永濤;吳順川;朱瑞鈞;;基于進化支持向量機的巖土體位移反分析[J];遼寧工程技術大學學報;2006年03期

7 王久鳳;徐桂云;宋三峰;;支持向量機在提升機故障診斷中的應用研究[J];礦山機械;2009年05期

8 劉強;;基于支持向量機的煤巖界面識別方法[J];太原科技;2007年08期

9 馬恩杰;白銳;柴天佑;;基于加權支持向量機的選礦生產(chǎn)指標預報模型[J];系統(tǒng)仿真學報;2008年08期

10 史冉;張素芬;;基于支持向量機的煤礦機械故障預測研究[J];煤礦機械;2013年09期

相關會議論文 前2條

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

2 許傳華;李瑞;任青文;;基于支持向量機的巖體演化的非線性動力學模型與突變分析[A];2004年全國礦山信息化建設成果及技術交流會論文集[C];2004年

相關博士學位論文 前2條

1 陳桂軍;基于支持向量機的異常檢測關鍵問題研究及應用[D];太原理工大學;2016年

2 金珠;改進的支持向量機分類算法及其在煤礦人因事故安全評價中的應用[D];中國礦業(yè)大學;2011年

相關碩士學位論文 前7條

1 王雷;支持向量機預測煤儲層滲透性[D];中國石油大學;2011年

2 高凱;基于支持向量機的煤自燃預測方法研究[D];西安科技大學;2012年

3 單明霞;基于GIS的支持向量機分類模型建立及其在資源評價中的應用[D];成都理工大學;2009年

4 朱永才;基于支持向量機的儲層參數(shù)預測方法研究[D];西南石油大學;2012年

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

6 李素蓉;深部金屬礦山地震活動特性及巖爆的支持向量機預測研究[D];中南大學;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;2015年

，

本文編號：1746633