]*>","")" /> 基于PSO-SVM的煤矿瓦斯爆炸灾害风险模式识别

中国安全科学学报

• 安全工程技术科学 • 上一篇    下一篇

基于PSO-SVM的煤矿瓦斯爆炸灾害风险模式识别

李润求,施式亮,念其锋,朱红萍,朱川曲   

  1. 中南大学资源与安全工程学院,湖南长沙410083;湖南科技大学能源与安全工程学院,湖南湘潭411201%湖南科技大学信息与电气工程学院,湖南湘潭,411201%湖南科技大学能源与安全工程学院,湖南湘潭,411201
  • 出版日期:2013-05-20 发布日期:2013-05-25
  • 基金资助:
    国家自然科学基金资助(51274100,50774033,51174086)%湖南省教育厅科研项目(10C0690)%煤矿安全开采技术湖南省重点实验室项目(201002)

Research on Pattern Recognition of Gas Explosion Disaster Risk in Coal Mines Based on PSO-SVM

  • Online:2013-05-20 Published:2013-05-25

摘要: 为了提高煤矿瓦斯爆炸灾害风险识别能力,提出通过典型样本和模式识别(PR)模型构建识别库进行风险识别的方法.在以径向基函数(RBF)为核函数的支持向量机(SVM)模型基础上,应用粒子群优化算法(PSO)优化模型参数,建立瓦斯爆炸灾害风险识别的PSO-SVM模型;构建风险识别指标体系,确定风险模式类别,并以指标风险类别分界点为基础,提出新的数据规范方法;用典型样本训练和测试PSO-SVM模型,样本识别率为100%,表明以典型样本和PSO-SVM模型构建的识别库对瓦斯爆炸灾害风险有较强的识别能力,同时指出典型样本库应不断补充完善以增强其适应能力.

中图分类号: