首页> 中文期刊> 《中国科技信息》 >基于粒子群优化的PSO-SVM的瓦斯时间序列突出预测方法

基于粒子群优化的PSO-SVM的瓦斯时间序列突出预测方法

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文对霍尔辛赫矿安全监测系统的瓦斯浓度时间序列利用软阈值小波去噪法进行去噪；分析支持向量机不敏感损失参数ε和RBF核函数参数.基于粒子群算法对支持向量机瓦斯浓度模型进行优化,结合最优参数对进行ε-SVR模型预测,对预测误差进行分析,并将训练样本的大小对预测精度的影响做出了比较.

著录项

来源
《中国科技信息》 |2013年第12期|55-57|共3页
作者
田伟鹏;
展开▼
作者单位

山煤国际霍尔辛赫煤业有限责任公司,山西长治046600;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
粒子群优化; 支持向量机; 煤矿; 瓦斯突出预测;

相似文献

中文文献
外文文献
专利

1. 基于PSO-SVM的煤与瓦斯突出强度预测模型 [J] . 邵剑生 ,薛惠锋 . 西华大学学报（自然科学版） . 2012,第001期
2. 基于瓦斯涌出时间序列的煤与瓦斯突出预报 [J] . 邓明 ,张国枢 ,陈清华 . 煤炭学报 . 2010,第002期
3. 基于时间序列的矿井瓦斯涌出量预测方法 [J] . 孟海东 ,孙搏 ,司子稳 . 工矿自动化 . 2010,第012期
4. 基于W-RBF的瓦斯时间序列预测方法 [J] . 高莉 ,胡延军 ,于洪珍 . 煤炭学报 . 2008,第001期
5. 基于粗糙集与粒子群优化支持向量机的瓦斯突出预测模型 [J] . 刘海波 ,钱伟 ,王福忠 . 中国科学技术大学学报 . 2019,第002期
6. 基于PSO-SVM的煤与瓦斯突出危险性模式识别 [C] . 姜谙男 ,金立夫 ,易南概 . 第五届全国信息获取与处理学术会议 . 2007
7. 基于灰色关联分析和PSO-SVM的煤与瓦斯突出预测应用研究 [A] . 孙利源 . 2019

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号