|
|||||
|
|
| 基于PSO-SVR的多因素瓦斯浓度预测 | |
| 引用本文： | 高意义,张磊,王智鹏.基于PSO-SVR的多因素瓦斯浓度预测[J].黑龙江科技信息,2019(19). |
| 作者姓名： | 高意义 张磊 王智鹏 |
| 作者单位： | 西安科技大学安全科学与工程学院 |
| 摘 要： | 为提高瓦斯浓度预测的准确性,针对影响瓦斯浓度的相关因素众多,且各因素之间呈现复杂非线性特征的问题,建立支持向量机回归模型,并采用粒子群优化算法对支持向量机回归模型的参数进行寻优,得到模型的最佳参数组合,最后采用某矿综采工作面瓦斯监测数据进行验证,预测结果表明:采用粒子群寻优算法建立的支持向量机回归模型可以提高瓦斯浓度的预测精度,预测结果的平均绝对误差为0.021。 |
| 本文献已被 CNKI 等数据库收录！ | |