]*>","")" /> 基于信息融合与GA-SVM的煤矿瓦斯浓度多传感器预测模型研究

中国安全科学学报

• 安全工程技术科学 • 上一篇    下一篇

基于信息融合与GA-SVM的煤矿瓦斯浓度多传感器预测模型研究

郭瑞,徐广璐   

  1. 辽宁工程技术大学电气与控制工程学院,辽宁省葫芦岛,125105
  • 出版日期:2013-09-20 发布日期:2013-09-25
  • 基金资助:
    国家自然科学基金资助(51274118)

Research on Coal Mine Gas Concentration Multi-sensor Prediction Model Based on Information Fusion and GA-SVM

  • Online:2013-09-20 Published:2013-09-25

摘要: 为更准确地预测瓦斯浓度,提高煤矿传感器瓦斯浓度监测数据的精准度,提出基于信息融合技术与遗传支持向量机(GA-SVM)相结合的算法.首先,利用信息融合技术对原始瓦斯浓度数据进行关联性重构;然后,通过对基于遗传算法(GA)优化的支持向量机(SVM)惩罚因子C和回归参数w寻优,建立煤矿瓦斯浓度多传感器预测模型.结果表明:基于信息融合和GA-SVM的煤矿瓦斯浓度多传感器性能得到较大提升,使煤矿瓦斯浓度传感器在复杂的井下环境中,能够较为准确地预测出浓度范围,并在此基础上拟合出理想曲线,有效追踪瓦斯浓度趋势.

中图分类号: