基于MPSO-LS-SVM算法的瓦斯涌出量预测研究

发布时间：2017-08-14 23:09

  本文关键词：基于MPSO-LS-SVM算法的瓦斯涌出量预测研究

  更多相关文章： 最小二乘支持向量机 粒子群算法 瓦斯涌出量 预测 MPSO-LS-SVM算法

【摘要】：煤矿瓦斯涌出是矿井瓦斯灾害中最危险的灾害之一,对矿井灾害进行预防和控制已经成为矿井安全工作中的重中之重。由于影响瓦斯涌出量的因素是动态非线性的,并且这些影响因素与瓦斯涌出量之间呈现不确定且非线性的关系,使瓦斯涌出量预测存在一定难度。因此,如何构建具有较强泛化能力的模型来对瓦斯涌出量进行精准预测,是矿井瓦斯涌出量预测研究领域中需要解决的问题。本文针对矿井安全生产的需要,以影响瓦斯涌出量的因素为研究对象,以矿井瓦斯涌出量预测为目的,通过研究粒子群算法和最小二乘支持向量机的理论,提出了利用改进粒子群算法优化最小二乘支持向量机的瓦斯涌出量预测模型。用最小二乘支持向量机代替了支持向量机对瓦斯涌出量进行预测,使计算过程复杂性大大降低了,同时训练效率也得到了提高。由于最小二乘支持向量机参数选择不同而对模型训练时间、预测误差产生不同的影响,利用粒子群算法来优化惩罚因子C和核宽度系数σ。分析了标准粒子群算法的运行机理以及各参数设置对算法性能的影响。对于粒子群算法容易陷入局部最优的缺点,论文对粒子群算法中的惯性权重w进行改进,并引入收敛因子χ,提出了改进粒子群算法。该算法在克服局部收敛的同时加快了收敛速度,更能适应复杂的优化问题。采用改进粒子群优化的最小二乘支持向量机对瓦斯涌出量进行预测,并利用监测到的瓦斯涌出量历史数据进行仿真,实验结果表明该模型与标准粒子群优化的最小二乘支持向量机模型、BP神经网络模型相比,收敛速度快、收敛精度高、预测误差低,表明了该方法具有很好的可行性和有效性,能够对瓦斯涌出量进行准确预测。
【关键词】：最小二乘支持向量机 粒子群算法 瓦斯涌出量 预测 MPSO-LS-SVM算法
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD712.5
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-11
• 1 绪论11-18
• 1.1 课题研究的背景和意义11-12
• 1.2 瓦斯涌出量预测方法研究现状12-13
• 1.2.1 瓦斯涌出量预测方法国外研究现状12
• 1.2.2 斯涌出量预测方法国内研究现状12-13
• 1.3 最小二乘支持向量机研究现状13-14
• 1.4 粒子群算法的研究与发展14-16
• 1.5 本文主要内容及结构安排16-18
• 2 用于瓦斯涌出量预测的最小二乘支持向量机模型18-32
• 2.1 统计学习理论18-22
• 2.1.1 VC维18-19
• 2.1.2 推广性的界19-20
• 2.1.3 结构风险最小化20-22
• 2.2 支持向量机22-29
• 2.2.1 支持向量机的基本原理22
• 2.2.2 线性可分最优分类面22-25
• 2.2.3 非线性支持向量机25-27
• 2.2.4 SVM核函数27-29
• 2.3 最小二乘支持向量机29-31
• 2.4 本章小结31-32
• 3 标准粒子群优化算法及其收敛性分析32-40
• 3.1 粒子群优化算法原理32-34
• 3.1.1 粒子群算法的基本思想32
• 3.1.2 粒子群算法的数学机理32-34
• 3.2 搜索算子对PSO算法影响分析34-35
• 3.3 参数对PSO算法影响分析35-37
• 3.4 粒子群优化算法流程37-38
• 3.5 本章小结38-40
• 4 基于MPSO算法的最小二乘支持向量机模型40-55
• 4.1 改进的粒子群算法41-44
• 4.1.1 改进粒子群算法原理41-42
• 4.1.2 改进粒子群算法收敛性分析42-44
• 4.2 MPSO数值仿真实验及分析44-49
• 4.2.1 测试函数分析46-47
• 4.2.2 评价标准47
• 4.2.3 仿真实验及其分析47-49
• 4.3 MPSO算法优化LS-SVM模型49-53
• 4.3.1 LS-SVM模型参数对其性能的影响49-51
• 4.3.2 MPSO-LS-SVM算法原理51
• 4.3.3 MPSO-LS-SVM算法流程51-52
• 4.3.4 MPSO-LS-SVM算法程序流程图52-53
• 4.4 本章小结53-55
• 5 基于MPSO-LS-SVM算法的瓦斯涌出量预测55-67
• 5.1 瓦斯涌出量影响因素分析55-57
• 5.1.1 瓦斯涌出量概念55
• 5.1.2 影响瓦斯涌出量的主要因素55-57
• 5.2 瓦斯涌出量预测系统研究57-61
• 5.2.1 预测控制基本原理57-58
• 5.2.2 瓦斯涌出量预测控制模型58-59
• 5.2.3 最小二乘支持向量机预测控制数学描述59-60
• 5.2.4 预测控制流程60-61
• 5.3 瓦斯涌出量预测仿真分析61-66
• 5.3.1 输入样本的组成61-63
• 5.3.2 MPSO算法的初始参数确定63
• 5.3.3 瓦斯涌出量预测仿真结果和分析63-66
• 5.4 小结66-67
• 6 总结与展望67-69
• 6.1 全文总结67-68
• 6.2 展望68-69
• 参考文献69-73
• 作者简历73-75
• 学位论文数据集75

【参考文献】

中国期刊全文数据库 前10条

1 刘希亮;赵学胜;陆锋;孙文彬;;基于GA-SVM的露天矿抛掷爆破抛掷率预测[J];煤炭学报;2012年12期

2 陈兆波;曾建潮;董追;赵娜;李忠卫;;基于HFACS的煤矿安全事故人因分析[J];中国安全科学学报;2013年07期

3 魏春荣;李艳霞;孙建华;米红伟;李s，

本文编号：675156