合理遗忘选择训练样本的煤矿瓦斯涌出量预测.pdf

《合理遗忘选择训练样本的煤矿瓦斯涌出量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用@博士论坛@合理遗忘选择训练样本的煤矿瓦斯涌出量预测高明明，邵良杉GAOMingming，SHAOLiangshan1．辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛1251052．辽宁工程技术大学系统工程研究所，辽宁葫芦岛1251051．SchoolofElectronicandInformationEngineering，LiaoningTechnicalUniversity,Huludao，Liaoning125105，China2．SystemEn

2、gineeringInstitute，LiaoningTechnicalUniversity,Huludao，Liaoning125105，ChinaGAOMingming，SHAOLiangshan．Coalgasemissionpredictionselectiveforgettingtrainingsamples．ComputerEngineeringandApplications，2014，50(14)：1-4．Abstract：Inordertoimprovethepredictionaccuracyofcoalgasemiss

3、ion，anovelpredictionmodelofcoalgasemis-sionisproposedbasedonselectiveforgottentrainingsamplestosolveproblemoftrainingsampleselection．Firstly,theforgettingfactorisintroducedtoweakentheoldtrainingsamplesandhighlighttheroleofnewdatasimultaneously,andtrainingsamplesareupdated

4、reasonably，andthentheleastsquaressupportvectormachineisusedtoestablishthepredic—tionmodelofgasemission，andfinally,thesimulationanalysisiscarriedouttotesttheperformanceofmode1．Theresultsshowthattheproposedmodelimprovesthemodelingeficiencyofcoalgasemissionandcanobtaingoodco

5、algasemis-sionpredictionresults．Keywords：coalgasemission；leastsquaressupportvectormachine；simulationexperiment；predictionprecision摘要：为了提高煤矿瓦斯涌出量的预测精度，针对煤矿瓦斯涌出量的训练样本选择问题，提出一种基于合理遗忘训练样本的煤矿瓦斯涌出量预测模型。首先通过引入遗忘因子既考虑了历史数据的影响，又突出了新数据的作用，然后最小二乘支持向量机建立煤矿瓦斯涌出量预测模型，最后进行了仿真分析。结果表明，该模型

6、提高了煤矿瓦斯涌出量的建模效率，获得了更加理想的煤矿瓦斯涌出量预测结果。关键词：煤矿瓦斯涌出量；最小二乘支持向量机；仿真实验；预测精度文献标志码：A中图分类号：TP391doi：10．3778／j．issn．1002—8331．1403—00511引言现，但难以准确描述瓦斯涌出量的时变性、非平稳性，预瓦斯灾害是矿井五大灾害之一，在煤矿特大事故中测结果不理想。瓦斯涌出量受到多种因素影响，具有占有很大的比例，成为煤矿安全生产的头号威胁。瓦斯混沌性和周期性，为此，一些学者提出了基于神经网络、涌出是一种复杂的瓦斯动力现象，受到瓦斯压力、瓦斯贝叶斯

7、网络、隐马尔科夫链、支持向量机等非线性的瓦动力、地应力、地质构造等因素的综合影响，多个因素之斯涌出量预测模型，获得比较理想的预测结果。最小间错综复杂的非线性关系给瓦斯涌出量的准确预测带二乘支持向量机(LeastSquaresSupportVectorMachine。来了很大的困难⋯。LSSVM)是一种改进支持向量机的一种扩展，相对于标针对瓦斯涌出量预测问题，国内外专家进行了大量准支持向量机，LSSVM求解效率更高。然而在实际研究，提出许多瓦斯涌出量预测方法。传统瓦斯涌出量应用中，当训练样本较大时，LSSVM计算量迅速增大，预测基于多元回归

8、预测法进行建模，该方法简单、易实由此可能导致计算膨胀问题。为了解决LSSVM存在基金项目：国家自然科学基金(No．70971059)；中国煤炭工业协会科学技术研究指导性计划资助项目(No．MT