【摘要】：為準確、快速地預測回采工作面瓦斯涌出量,提出一種基于主成分分析法(PCA)和改進的果蠅算法(MFOA)優(yōu)化支持向量機(SVM)的回采工作面絕對瓦斯涌出量預測模型。模型首先運用PCA方法對原始數(shù)據(jù)進行降維處理,消除數(shù)據(jù)冗余,而后采用改進的果蠅算法對SVM參數(shù)進行全局尋優(yōu),避免SVM參數(shù)的選取對模型預測結(jié)果的不利影響,最終建立基于PCA-MFOA-SVM的耦合預測模型,并以實際監(jiān)測數(shù)據(jù)為例進行仿真預測。結(jié)果表明:該模型預測的平均絕對誤差為0.077 5 m3/t,平均相對誤差為1.323 7%,與其他模型相比,預測精度高,綜合性能好,能夠?qū)崿F(xiàn)回采工作面瓦斯涌出量的動態(tài)預測。
[Abstract]:In order to accurately and quickly predict the amount of gas emission in mining face, a prediction model of absolute gas emission in mining face based on principal component analysis (PCA) and improved Drosophila algorithm (MFOA) is proposed, which is optimized by support vector machine (SVM). The model first uses PCA method to reduce the dimension of the original data, eliminates the data redundancy, and then uses the improved Drosophila algorithm to optimize the SVM parameters globally to avoid the adverse effect of the selection of SVM parameters on the model prediction results. Finally, the coupling prediction model based on PCA-MFOA-SVM is established, and the actual monitoring data is taken as an example for simulation prediction. The results show that the average absolute error and average relative error of the model are 0.077 m3 / t and 1.323 7 respectively. Compared with other models, the prediction accuracy is high, the comprehensive performance is good, and the dynamic prediction of gas emission in mining face can be realized.
【作者單位】： 遼寧工程技術(shù)大學礦業(yè)學院;
【基金】：國家自然科學基金項目(No.51004063) 遼寧省高等學校優(yōu)秀人才支持計劃(遼寧省教育廳,No.LJQ2011029)
【分類號】：TD712.5;TP18

【參考文獻】

相關(guān)期刊論文 前10條

1 梁曉珍;宋存義;王依;;唐山礦瓦斯涌出量動態(tài)預測模型[J];北京科技大學學報;2012年03期

2 周松林;茆美琴;蘇建徽;;基于主成分分析與人工神經(jīng)網(wǎng)絡(luò)的風電功率預測[J];電網(wǎng)技術(shù);2011年09期

3 戴宏亮;;小波支持向量回歸在瓦斯涌出量預測中的應(yīng)用[J];計算機工程與應(yīng)用;2010年07期

4 張少帥;楊勝強;鹿存榮;;基于瓦斯涌出量預測的近距離煤層群開采順序優(yōu)化選擇[J];中國安全生產(chǎn)科學技術(shù);2011年09期

5 姜文忠;霍中剛;秦玉金;;礦井瓦斯涌出量預測技術(shù)[J];煤炭科學技術(shù);2008年06期

6 戴廣龍;汪有清;張純?nèi)?李慶明;邵廣印;;保護層開采工作面瓦斯涌出量預測[J];煤炭學報;2007年04期

7 何利文;施式亮;宋譯;劉影;;回采工作面瓦斯涌出的復雜性及其度量[J];煤炭學報;2008年05期

8 王曉路;劉健;盧建軍;;基于虛擬狀態(tài)變量的卡爾曼濾波瓦斯涌出量預測[J];煤炭學報;2011年01期

9 李勝;寧志勇;朱小強;楊永生;;基于灰色理論預測五陽礦未受采動影響煤層瓦斯含量[J];科技導報;2012年32期

10 韓俊英;劉成忠;;自適應(yīng)混沌果蠅優(yōu)化算法[J];計算機應(yīng)用;2013年05期

【共引文獻】

相關(guān)期刊論文 前10條

1 汪義國;;近距離煤層群被保護層開采瓦斯綜合治理技術(shù)研究[J];安徽建筑工業(yè)學院學報(自然科學版);2010年04期

2 郭德勇;鄭茂杰;鞠傳磊;郝相龍;;采煤工作面瓦斯涌出量預測逐步回歸方法[J];北京科技大學學報;2009年09期

3 廖燃;伍穎;;基于新木桶理論的煤礦瓦斯爆炸控制體系研討[J];礦業(yè)安全與環(huán)保;2012年01期

4 李蓓;郭劍波;;平抑風電功率的電池儲能系統(tǒng)控制策略[J];電網(wǎng)技術(shù);2012年08期

5 馬瑞;康仁;羅斌;徐慧明;何進;;基于改進主成分分析法的火電機組能耗特征識別方法[J];電網(wǎng)技術(shù);2013年05期

6 葉徐靜;;基于最小二乘支持向量機的風電功率超短期預測[J];電源學報;2013年02期

7 王巖;梁冰;袁欣鵬;;深孔控制預裂爆破在高硫化氫礦井瓦斯強化抽采中的應(yīng)用[J];重慶大學學報;2013年05期

8 畢建武;賈進章;劉丹;;基于SPSS多元回歸分析的回采工作面瓦斯涌出量預測[J];安全與環(huán)境學報;2013年05期

9 滿蔚仕;張志禹;郗壘;;基于快速S變換的電能質(zhì)量主成分分析方法[J];大功率變流技術(shù);2013年06期

10 邸新漢;魏海坤;;基于二維SVM的風力發(fā)電功率初步預測網(wǎng)絡(luò)模型[J];日用電器;2013年12期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 郭德勇;李念友;裴大文;鄭登鋒;;煤與瓦斯突出預測灰色理論-神經(jīng)網(wǎng)絡(luò)方法[J];北京科技大學學報;2007年04期

2 李祥春;聶百勝;何學秋;;振動誘發(fā)煤與瓦斯突出的機理[J];北京科技大學學報;2011年02期

3 王麗婕;廖曉鐘;高爽;冬雷;;并網(wǎng)型大型風電場風力發(fā)電功率-時間序列的混沌屬性分析[J];北京理工大學學報;2007年12期

4 王濤;王洋洋;郭長娜;張繼華;;QGA-RBF神經(jīng)網(wǎng)絡(luò)在礦井瓦斯涌出量預測中的應(yīng)用[J];傳感技術(shù)學報;2012年01期

5 吳微,陳維強,劉波;用BP神經(jīng)網(wǎng)絡(luò)預測股票市場漲跌[J];大連理工大學學報;2001年01期

6 馬昕;郭靜;孫嘯;;蛋白質(zhì)中RNA-結(jié)合殘基預測的隨機森林模型[J];東南大學學報(自然科學版);2012年01期

7 范高鋒;王偉勝;劉純;;基于人工神經(jīng)網(wǎng)絡(luò)的風電功率短期預測系統(tǒng)[J];電網(wǎng)技術(shù);2008年22期

8 羅海洋;劉天琪;李興源;;風電場短期風速的混沌預測方法[J];電網(wǎng)技術(shù);2009年09期

9 劉純;范高鋒;王偉勝;戴慧珠;;風電場輸出功率的組合預測模型[J];電網(wǎng)技術(shù);2009年13期

10 白永祥;房大中;侯佑華;朱長勝;;內(nèi)蒙古電網(wǎng)區(qū)域風電功率預測系統(tǒng)[J];電網(wǎng)技術(shù);2010年10期

【相似文獻】

相關(guān)期刊論文 前10條

1 李若昕;金明杰;彭超;潘晨亮;李霜;黃和;;主成分分析法在花生四烯酸高產(chǎn)菌株代謝組學研究中的應(yīng)用[J];食品科學;2008年07期

2 邵祥理;;基于主成分分析法的煤炭上市公司經(jīng)營業(yè)績評價[J];煤炭工程;2010年02期

3 劉湘云;;基于主成分分析法的橙汁特征指標分類[J];綠色科技;2013年01期

4 董慧茹,董吉源,仲積軍,張繼斌;電位滴定-主成分分析法同時測定戊二酸、丁二酸和已二酸[J];化學世界;1993年12期

5 柴金艷;主成分分析法在工商合作影響因素研究中的應(yīng)用[J];中原工學院學報;2004年06期

6 李楠;姜力波;車永才;;主成分分析法在產(chǎn)業(yè)過度競爭評價中的應(yīng)用[J];能源技術(shù)與管理;2006年05期

7 郭家禎;益心虹;邱俊永;;主成分分析法在太湖流域水環(huán)境可持續(xù)性評價中的應(yīng)用[J];安徽農(nóng)業(yè)科學;2009年32期

8 蘇鍵;陳軍;何潔;;主成分分析法及其應(yīng)用[J];輕工科技;2012年09期

9 殷愛貞;趙世彩;;基于主成分分析法的油氣勘探項目效益研究[J];價值工程;2010年02期

10 曹陽;楊潔;張旭;;主成分分析法在熱軋噸鋼電耗回歸預測模型中的應(yīng)用[J];能源技術(shù);2010年01期

相關(guān)會議論文 前10條

1 于勤勤;王冬梅;;論企業(yè)績效評價體系中財務(wù)指標的設(shè)計[A];中國會計學會2007年學術(shù)年會論文集（上冊）[C];2007年

2 車艷玉;高學東;;主成分分析法在上市公司財務(wù)綜合評價中的應(yīng)用[A];全國第八屆工業(yè)工程與企業(yè)信息化學術(shù)會議論文集[C];2004年

3 劉毅靜;聶成;劉銘;;主成分分析法在信息化水平綜合評價中的應(yīng)用[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學會第12屆年會論文集[C];2002年

4 劉磊;崔會保;;基于主成分分析法的企業(yè)員工績效評價[A];第三屆（2008）中國管理學年會——公共管理分會場論文集[C];2008年

5 高彬彬;黃濟民;;基于平衡記分卡和主成分分析法的知識管理績效評價研究[A];第三屆（2008）中國管理學年會——信息管理分會場論文集[C];2008年

6 李永臣;李慧芳;;基于主成分分析法研究發(fā)電企業(yè)財務(wù)狀況[A];中國會計學會高等工科院校分會2009年學術(shù)會議（第十六屆學術(shù)年會）論文集[C];2009年

7 師萍;朱承亮;王郁蓉;唐丹妮;;基于主成分分析法的R&D統(tǒng)計會計數(shù)據(jù)偏差分析[A];第十一屆全國經(jīng)濟管理院校工業(yè)技術(shù)學研究會論文集[C];2012年

8 高彬彬;葛新權(quán);;基于平衡記分卡和主成分分析法的知識管理績效評價研究[A];第三屆（2008）中國管理學年會——運作管理分會場論文集[C];2008年

9 鄭古蕊;楊鳴;;沈陽城市生態(tài)環(huán)境可持續(xù)發(fā)展能力分析[A];創(chuàng)新沈陽文集（D）[C];2009年

10 陳毅俊;江能;蔡鴻鑫;;中小企業(yè)信用風險評價指標體系的構(gòu)建與應(yīng)用[A];第七屆（2012）中國管理學年會金融管理分會場論文集（選編）[C];2012年

相關(guān)重要報紙文章 前1條

1 張戡 陳亮;基于主成分分析法的中國證券投資基金綜合評價模型研究[N];中國證券報;2003年

相關(guān)碩士學位論文 前10條

1 余登榜;改進的主成分分析法在我國高校數(shù)學學科排名中的應(yīng)用[D];武漢科技大學;2010年

2 張穎;層次—主成分分析法對黑龍江墾區(qū)可持續(xù)發(fā)展評價的研究[D];東北師范大學;2007年

3 李建國;農(nóng)民信息素質(zhì)測度實證研究[D];北京郵電大學;2012年

4 金建華;基于主成分分析法的3G網(wǎng)絡(luò)綜合性能評價[D];大連理工大學;2013年

5 方銳;基于改進主成分分析法的武漢市城市競爭力研究[D];華中科技大學;2012年

6 張慶紅;基于主成分分析法的海洋地質(zhì)災害預報決策系統(tǒng)的設(shè)計實現(xiàn)[D];青島理工大學;2010年

7 呂亞梅;基于主成分分析法的湖北省可持續(xù)發(fā)展水平綜合評價[D];武漢理工大學;2012年

8 張磊;經(jīng)理管理防御與非效率投資相關(guān)性研究[D];長春理工大學;2013年

9 王廣;基于主成分分析法的YF供電局IT服務(wù)外包供應(yīng)商評價研究[D];華南理工大學;2012年

10 王倩倩;基于PCA和WFCM的C波段無線電信號分類方法[D];西南交通大學;2014年

，

本文編號：2290652