煤与瓦斯突出missForest-EGWO-SVM预测模型

发布时间：2021-10-12 08:07

　　针对煤与瓦斯突出预测的数据不完整或缺失问题,提出一种基于miss Forest-EGWO-SVM的煤与瓦斯突出预测模型.以淮南地区的实测数据作为研究样本,采用missForest算法对样本数据进行缺失值填补;为解决SVM算法性能受参数影响大的问题,利用高效灰狼算法（EGWO）对SVM进行参数寻优;完善后的数据集作为EGWO-SVM模型的输入进行实验,与其他模型对比.研究结果表明:采用missForest填补缺失数据,提高了模型的突出事故预测率,EGWO-SVM模型能够有效避免GWO在后期搜索中陷入局部最优,进一步提高了SVM的预测精度.研究结论为缺失数据情况下煤与瓦斯突出预测提供了一种途径. 

【文章来源】：辽宁工程技术大学学报(自然科学版). 2020,39(03)北大核心

【文章页数】：5 页

【部分图文】：

不同模型的预测结果Fig.2predictionresultsofdifferentmodels(d)ELM(e)EGWO-ELM

【参考文献】：
期刊论文
[1]一种改进的灰狼优化算法[J]. 龙文,蔡绍洪,焦建军,伍铁斌.  电子学报. 2019(01)
[2]基于FOA-SVM的煤矿瓦斯爆炸风险模式识别[J]. 谢国民,单敏柱,付华.  控制工程. 2018(10)
[3]基于KPCA和T-S模糊神经网络的煤与瓦斯突出的预测[J]. 顾能华,姚英彪,郑慧娟,孙健,王海伦.  测控技术. 2018(09)
[4]粒子群优化混合核极限学习机的构造煤厚度预测方法[J]. 范君,王新,徐慧.  计算机应用. 2018(06)
[5]一种改进的极限学习机煤与瓦斯突出预测模型[J]. 付华,李海霞,卢万杰,徐耀松,王雨虹.  传感技术学报. 2016(01)
[6]新型煤与瓦斯突出预测指标确定及应用[J]. 刘雪莉,游继军.  煤炭科学技术. 2015(03)
[7]模糊支持向量机在煤与瓦斯突出预测中的研究[J]. 杨力,耿纪超,汪克亮.  中国安全生产科学技术. 2014(04)
[8]煤与瓦斯突出地质控制机理探讨[J]. 闫江伟,张小兵,张子敏.  煤炭学报. 2013(07)
[9]基于PCA-BP神经网络的煤与瓦斯突出预测研究[J]. 朱志洁,张宏伟,韩军,宋卫华.  中国安全科学学报. 2013(04)
[10]矿井煤与瓦斯突出数学模型的建立[J]. 李坤,由长福,祁海鹰.  工程力学. 2012(01)

博士论文
[1]基于瓦斯含量法的煤与瓦斯突出预测关键技术研究[D]. 郑晓亮.安徽理工大学 2018



本文编号：3432192