摘要
提出了一种相空间重构与贝叶斯框架下的LS-SVM预测矿井涌水量的方法,矿井涌水量具有混沌特征,利用相空间重构,找出矿井涌水量时间序列隐藏的演化规律,作为输入参量,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选,运用LS-SVM将非线性问题转化为高维特征空间的线性问题进行求解。利用典型的Lorenz生成的时间序列进行仿真,选择2004年8月-2005年2月的矿井涌水量数据进行验证,结果表明该方法可行并具有较高的精度。
The paper puts forward a kind of prediction method of mine discharge based on Phase Space Reconstruction and LS-SVM within the Bayesian evidence framework. we know mine discharge has Chaos characteristics and can find out the hidden evolution rule of mine discharge time series by Phase Space Reconstruction, and as LS-SVM input and output parameters, the Bayesian evidence framework was used to ascertain the kernel parameter and the model regularization parameter of the LS-SVM, After choosing mine discharge date from August2004 to February 2005 to validate, while using typical Lorenz time series to test, the results show that this method is feasible and possesses a high precision.
出处
《煤矿现代化》
2017年第2期42-45,共4页
Coal Mine Modernization
关键词
相空间重构
贝叶斯框架
最小二乘支持向量机
矿井涌水量预测
Phase space reconstruction
Bayesian framework
Least squares support veotor machine
the prediction of mine water inrush
作者简介
陈优阔，男，博士研究生，主要从事地质资源与地质工程研究。
