為了提高瓦斯涌出量的預(yù)測精度,減少瓦斯災(zāi)害,提出以核熵成分分析與粒子群支持向量機(jī)相結(jié)合的預(yù)測模型,KECA-PSO-SVM模型.首先核熵成分分析方法利用雷尼熵最大方向投影,對(duì)原始數(shù)據(jù)進(jìn)行降維,提取主成分,然后采用粒子群支持向量機(jī)的方法進(jìn)行預(yù)測.針對(duì)回采工作面上影響瓦斯涌出量的12種因素和瓦斯涌出量實(shí)際值共18組數(shù)據(jù),將前15組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),后3組數(shù)據(jù)作為測試數(shù)據(jù).該模型預(yù)測結(jié)果為核熵成分分析法提取五個(gè)主成分,對(duì)雷尼熵的貢獻(xiàn)率達(dá)到100%,利用粒子群支持向量機(jī)進(jìn)行預(yù)測,預(yù)測結(jié)果分別與PSO-SVM,PCAPSO-SVM,KPCA-PSO-SVM比較,平均偏差分別為2.32%,2.79%,1.64%,1.22%,KECA-PSO-SVM模型預(yù)測精度高,有較好的魯棒性. 

【文章來源】：數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2020,50(23)北大核心

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測[J]. 賈義鵬,呂慶,尚岳全.  巖石力學(xué)與工程學(xué)報(bào). 2013(02)
[2]基于核主成分分析和粒子群優(yōu)化支持向量機(jī)的滑坡位移預(yù)測[J]. 彭令,牛瑞卿,趙艷南,鄧清祿.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2013(02)
[3]基于耦合算法的煤礦瓦斯涌出量預(yù)測模型研究[J]. 付華,姜偉,單欣欣.  煤炭學(xué)報(bào). 2012(04)
[4]基于主成分回歸分析法的回采工作面瓦斯涌出量預(yù)測[J]. 呂伏,梁冰,孫維吉,王巖.  煤炭學(xué)報(bào). 2012(01)
[5]主成分分析與支持向量機(jī)相結(jié)合的區(qū)域降水預(yù)測應(yīng)用[J]. 農(nóng)吉夫.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2011(22)
[6]GM（1,1）模型與線性回歸組合方法在礦井瓦斯涌出量預(yù)測中的應(yīng)用[J]. 施式亮,伍愛友.  煤炭學(xué)報(bào). 2008(04)
[7]回采工作面瓦斯涌出BP神經(jīng)網(wǎng)絡(luò)分源預(yù)測模型及應(yīng)用[J]. 朱紅青,常文杰,張彬.  煤炭學(xué)報(bào). 2007(05)



本文編號(hào)：2990589