节点文献

基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型

免费订阅

【作者】 温廷新孔祥博

【Author】 WEN Tingxin;KONG Xiangbo;System Engineering Institute, Liaoning Technical University;

【机构】 辽宁工程技术大学系统工程研究所

【摘要】 为对矿井突水水源进行识别以减少矿井突水事故的发生,提出了粒子群(PSO)结合RBF核参数优化的SVM模型,并使用核主成分分析法(KPCA)对选取水源特征指标进行高效降维.根据水源离子敏感性选取了8种水化学指标(K+、Na+、Mg2+、Ga2+、HCO3-、Cl-、F-、SO42-)作为突水水源识别特征参数.使用基于最大方差关联度准则的核参数选择方法并结合粒子群算法构造参数优化算法,使用参数优选后的支持向量机模型对90组突水水源识别训练数据进行模型训练,用其余32组数据进行测试,模型实测效果与Logistic模型、PCA-Fisher模型以及PSO-SVM模型进行对比,结果表明:采用径向基核函数优化的支持向量机模型能够选取较优参数,模型实测平均准确率为93.75%,误差明显低于其他模型,证明了该模型能精准且高效地识别矿井突水水源.

【基金】 国家自然科学基金(71371091)
  • 【分类号】TD745
  • 【下载频次】173
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: