陕西省教育厅科研计划项目(09JC05)
- 作品数：4 被引量：56H指数：3
- 相关作者：王晓路卢建军刘健更多>>
- 相关机构：西安科技大学西安邮电学院更多>>
- 发文基金：电子信息产业发展基金国家高技术研究发展计划陕西省教育厅科研计划项目更多>>
- 相关领域：矿业工程更多>>
- 基于模糊聚类和SVM的瓦斯涌出量预测被引量：3
- 2011年
- 为了准确预测瓦斯涌出量,提出了一种基于模糊聚类和支持向量机(SVM)的瓦斯涌出量预测方法。将瓦斯涌出量相关影响因素作为特征空间中的样本,采用模糊C均值聚类对特征空间中的样本进行聚类分析,对于所得到的不同类别样本分别建立SVM预测模型。结果表明:采用单纯的SVM预测方法,对于不同特征的样本的预测个别预测误差相对较大,其最大误差为8.11%,平均误差为4.68%,采用文中所建议的用FCM对样本分类后再进行SVM预测,预测精度有明显改善,最大误差和6.94%,平均误差为3.35%,表明所建议的方法是有效和可行的。
- 王晓路
- 关键词：瓦斯涌出量模糊C均值聚类SVM
- 基于虚拟状态变量的卡尔曼滤波瓦斯涌出量预测被引量：40
- 2011年
- 为了在煤矿瓦斯涌出量相关影响因素的作用发生改变时,还能够准确预测瓦斯涌出量,提出一种基于虚拟状态变量的卡尔曼滤波预测方法。将相关影响因素通过能够识别瓦斯涌出量模型的非线性网络进行映射,用所得到的输出向量作为虚拟状态变量,提出预测残差方差比检验方法,计算虚拟状态变量的最佳维数,确定能够反映当前瓦斯涌出量的最小样本个数的储量样本。采用基于储量样本计算得到具有最佳维数的虚拟状态变量,建立卡尔曼滤波瓦斯涌出量预测模型。结果表明:对于瓦斯涌出量相关因素作用发生变化的情形,采用固定的训练样本和网络结构建立的基于人工神经网络的预测方法,预测结果的平均误差为5.82%,最大误差为16.56%,采用动态调整的虚拟状态变量建立的卡尔曼滤波预测方法具有较好的跟踪能力和反应速度,预测性能明显改善,其平均误差为0.94%,最大误差为2.08%,表明所建议的方法是可行和有效的。
- 王晓路刘健卢建军
- 关键词：卡尔曼滤波瓦斯涌出量
- 基于蚁群算法优化SVM的瓦斯涌出量预测被引量：11
- 2011年
- 为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。
- 王晓路
- 关键词：瓦斯涌出量蚁群优化算法支持向量机
- 煤与瓦斯突出预测器输入主因素识别方法被引量：8
- 2010年
- 为了提高煤与瓦斯突出预测的准确度,提出了一种基于方差比检验的预测器输入主因素识别方法.在一定显著水平下对增添或删除若干因素前后预测器的预测残差进行F检验,用以确定具有改进作用的增添或删除操作.遍历增添和删除的所有情形后,即可确定能获得最大改进的主因素输入组合.所提出方法对任何预测器都适用,以一个基于人工神经网络的煤与瓦斯突出预测器为例,结合两个煤矿的煤与瓦斯突出影响因素的实测样本,采用所建议的方法对进行了输入因素遴选,结果表明:采用得到的主因素作为预测器的输入比采用全部因素作为输入因素得到的预测结果更加准确,表明所建议的主因素识别方法是可行的,并且有助于改进预测器的精度.
- 王晓路刘健卢建军
- 关键词：煤与瓦斯突出方差比检验人工神经网络
