]*>","")" /> 基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

中国安全科学学报

• 安全学 • 上一篇    下一篇

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

何利文,施式亮,宋译,刘影   

  1. 中南大学资源与安全工程学院,长沙,410083;煤矿安全开采技术湖南省省重点实验室,湘潭,411201%中南大学资源与安全工程学院,长沙,410083;煤矿安全开采技术湖南省省重点实验室,湘潭,411201;湖南科技大学能源与安全工程学院,湘潭,411201%煤矿安全开采技术湖南省省重点实验室,湘潭,411201;湖南科技大学能源与安全工程学院,湘潭,411201%中南大学资源与安全工程学院,长沙,410083
  • 出版日期:2009-09-20 发布日期:2009-09-25
  • 基金资助:
    国家自然科学基金资助(50774033,50274060)%湖南省自然科学基金资助(06JJ2069)%煤矿安全开采技术湖南省重点实验室开放基金资助(200802)%教育部科学技术研究重点项目(206100)%湖南省教育厅资助科研项目(05A013)%国家安全生产监督管理总局科研计划项目(06-394,03-103)

Research on Chaotic Forecasting Method for Gas Emission from Working Face Based on SVM Theory

  • Online:2009-09-20 Published:2009-09-25

摘要: 针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型.经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度.同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点.由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学.

中图分类号: