期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于KPCA-LSSVM的回采工作面瓦斯涌出量的预测
被引量：
7
1
作者
陈巧军
余浩
+2 位作者
李艳昌
谭依佳
李奕
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024年第4期78-84,共7页
为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素具有线性重叠、高维非线性等问题,提出使用核主成分分析法(KPCA)对影响因素进行非线性降维。选取沈阳某矿30组样本数据,以前24组数据作为训练集,后6组数据作为测试集,将确定后的核主...
为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素具有线性重叠、高维非线性等问题,提出使用核主成分分析法(KPCA)对影响因素进行非线性降维。选取沈阳某矿30组样本数据,以前24组数据作为训练集,后6组数据作为测试集,将确定后的核主成分作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA-LSSVM预测模型,将预测结果与PCA-LSSVM、LSSVM、多元非线性回归、KPCA-BP神经网络、PCA-BP神经网络以及BP神经网络预测结果进行对比。以最大相对误差绝对值作为模型预测精度的评价指标。研究结果表明:当选取前4个核主成分时,即达到模型训练要求。KPCA-LSSVM模型的预测最大相对误差绝对值为5.89%,预测精度均优于其他6种对比模型。研究结果可为实现瓦斯涌出量高精度预测提供参考。
展开更多
关键词
瓦斯涌出量的预测
核主成分分析法(KPCA)
最小二乘支持向
量
机(LSSVM)
相对误差绝对值
在线阅读
下载PDF
职称材料
题名
基于KPCA-LSSVM的回采工作面瓦斯涌出量的预测
被引量：
7
1
作者
陈巧军
余浩
李艳昌
谭依佳
李奕
机构
辽宁工程技术大学安全科学与工程学院
辽宁工程技术大学电子与信息工程学院
出处
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024年第4期78-84,共7页
基金
国家自然科学基金项目(52174183)
2023年国家级大学生创新创业训练项目(202310147003)。
文摘
为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素具有线性重叠、高维非线性等问题,提出使用核主成分分析法(KPCA)对影响因素进行非线性降维。选取沈阳某矿30组样本数据,以前24组数据作为训练集,后6组数据作为测试集,将确定后的核主成分作为最小二乘支持向量机(LSSVM)的输入变量,建立KPCA-LSSVM预测模型,将预测结果与PCA-LSSVM、LSSVM、多元非线性回归、KPCA-BP神经网络、PCA-BP神经网络以及BP神经网络预测结果进行对比。以最大相对误差绝对值作为模型预测精度的评价指标。研究结果表明:当选取前4个核主成分时,即达到模型训练要求。KPCA-LSSVM模型的预测最大相对误差绝对值为5.89%,预测精度均优于其他6种对比模型。研究结果可为实现瓦斯涌出量高精度预测提供参考。
关键词
瓦斯涌出量的预测
核主成分分析法(KPCA)
最小二乘支持向
量
机(LSSVM)
相对误差绝对值
Keywords
prediction of gas emission quantity
kernel principal component analysis(KPCA)
least squares support vector machine(LSSVM)
absolute relative error
分类号
X936 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于KPCA-LSSVM的回采工作面瓦斯涌出量的预测
陈巧军
余浩
李艳昌
谭依佳
李奕
《中国安全生产科学技术》
CAS
CSCD
北大核心
2024
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
