西安科技大学学报

2020, v.40;No.171(01) 64-70

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

综采面区段煤柱宽度的PSO-SVM预测模型
PSO-SVM prediction model of coal pillar width in fully mechanized mining face

吴旋;来兴平;郭俊兵;崔峰;王泽阳;许慧聪;

摘要(Abstract):

为准确预测缓倾斜煤层区段煤柱宽度,分析了缓倾斜煤层综采工作面的主要影响因素,选取8个因子,建立了粒子群优化的支持向量机区段煤柱宽度预测模型(Particle Swarm Optimization Support Vector Machine,PSO-SVM),通过缓倾斜煤层的区段煤柱宽度情况统计分析,对粒子群优化的支持向量机模型(PSO-SVM)、网格搜索优化的支持向量机模型(GS-SVM)和遗传算法优化的支持向量机模型(GA-SVM) 3种预测方法的精度进行了对比分析。结果表明:3种方法的预测平均相对误差PSO-SVM为1. 81%,GS-SVM为8. 36%,GA-SVM为3. 78%. PSO-SVM模型有较高的预测精度和较强的普适性,能够相对精确、高效地预测缓倾斜煤层区段煤柱宽度,对缓倾斜煤层综采面区段煤柱宽度选取具有一定指导意义。

关键词(KeyWords): 支持向量机;区段煤柱宽度;粒子群优化算法;预测

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(51874231,51504184);; 国家重点基础研究计划(973计划)(2015CB251602)

作者(Author): 吴旋;来兴平;郭俊兵;崔峰;王泽阳;许慧聪;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2020.0109

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享