MFOA-SVM在采煤工作面瓦斯涌出量预测中的应用

来源 :矿业安全与环保 | 被引量 : 0次 | 上传用户:jsxhshh123456
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对新安煤矿采煤工作面瓦斯涌出量系统时变非线性特点,建立改进果蝇算法( MFOA) 支持向量机(SVM) 预测模型.利用FOA 具有运算简单、收敛速度快、寻优精度高等优势来优化SVM 核函数参数g、惩罚因子c 和不敏感损失函数ε,但FOA 也存在可能陷入局部最优的不稳定缺陷,则嵌入三维搜索、混沌优化、自适应变步长和最优保留策略进行改进,并利用Rosenbrock 测试函数和采煤工作面瓦斯涌出量历史数据进行试验分析,结果表明:该模型预测平均相对误差为2. 16%,比其他预测模型具有更高的预测精度、更快的收敛
其他文献
在视频运动目标检测中,由于存在多种光源与运动目标遮挡背景的原因,运动目标与背景必然具有一定相关性。基于核方法的独立分量分析(KICA)将数据从低维空间映射到高维,然后讨论分离分量的第一典型相关性,但由于KICA采用线性混合模型,所以存在一定局限性,忽视了运动目标和背景分割存在的非线性效应。因此,提出了一种KICA改进算法,该算法使用了非线性模型,对于解决目标与背景间的非线性问题具有一定的优越性。
在本体基础上通过语义相似度和相关度的计算,利用语义推理将描述的隐含语义显式化,以充分挖掘出与检索内容相关的信息,实现相关信息的语义融合,提高查准率和查全率。研究基于本体
本文主要介绍镍镉电池、镍氢电池和锂离子电池的充电方式,并且结合各类电池自身的特点给出了判断其是否充满的方法。然后,分析了镍类电池的特殊充电曲线、锂离子电池恒压阶段的