-
题名煤自燃极限参数的支持向量机预测模型
被引量：25
- 1
-
-
作者
孟倩
王洪权
王永胜
周延
-
机构
徐州师范大学计算科学与技术学院
中国矿业大学安全工程学院
兖州煤业股份有限公司通防部
-
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2009年第11期1489-1493,共5页
-
基金
国家自然科学基金资助项目(50376070)
江苏省高校自然科学基金资助项目(08KJD520022)
-
文摘
建立了基于支持向量机(Support Vector Machine,SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤自燃极限参数预测中具有实用价值.
-
关键词
煤自燃极限参数
支持向量机
人工神经网络
预测模型
-
Keywords
limit parameters of coal self-ignition
support vector machine
artificial neural network
predicting model
-
分类号
TD752
[矿业工程—矿井通风与安全]
-
-
题名基于粗集-支持向量机的采空区自然发火预测
被引量：6
- 2
-
-
作者
孟倩
王永胜
周延
-
机构
徐州师范大学计算科学与技术学院
中国矿业大学安全工程学院
充州煤业股份有限公司通防部
-
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2010年第12期2100-2104,共5页
-
基金
国家“十一五”科技支撑计划课题(2007baq00168-1)
江苏省高校自然科学基础研究资助项目(08KJD520022)
-
文摘
将粗集和支持向量机两种算法有机结合起来,建立了基于粗集与支持向量机的采空区自然发火预测模型。通过粗集对采空区自然发火影响因子进行预处理,将约简属性作为输入向量,利用支持向量机进行分类处理,选择了支持向量机核函数,利用变步长搜索法对支持向量机参数进行了优化。在对粗集-支持向量机方法的实验中,通过与支持向量机方法和神经网络方法的比较,发现在样本有限的情况下,基于粗集-支持向量机的采空区自然发火预测方法预测精度更高,训练速度更快,为采空区自然发火预测提供了一种新的方法。
-
关键词
粗集-支持向量机
采空区自然发火
预测
神经网络
-
Keywords
RS-SVM
spontaneous combustion in caving zone
prediction
neural networks
-
分类号
TD752.2
[矿业工程—矿井通风与安全]
-
