基于 LLE-FOA-SVR 模型的煤矿突水预测
唐守锋,史 可,张 晔
中国矿业大学 信息与控制工程学院
2024-06-29
针对煤矿突水预测精度低、训练速度慢的问题,提出基于局部线性嵌入(LLE)—果蝇优化算法(FOA)—支持向量回归(SVR)的煤矿突水预测模型。首先,利用 LLE 在非线性数据特征提取方面的优势, 提取煤矿突水影响因素原始数据的本质特征,形成重构因子,减少数据间的冗余信息和噪声。然后,利用FOA 对 SVR 的参数进行迭代优化,并将最优参数代入 SVR 中,以解决传统 SVR 参数优化困难的问题。最后,结合实例并将 LLEFOASVR 模型的预测结果与反向传播(BP)、SVR、LLESVR 模型的预测结果进行对比。实验结果表明:该模型的预测精度高于其他 3 种模型,预测精度可达 90 % ,且建模时间和运算时间更短。
  • 煤矿突水
  • 局部线性嵌入
  • 支持向量回归机
  • 果蝇优化算法
  • LLEFOASVR 模型
被引用: 3次
年份: 2023年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引 言

  • 1、LLE-FOA-SVR 模型煤矿突水预测

  • 2、实验仿真

    • 2.1煤矿突水预测指标体系

    • 2.2LLE 算法特征提取过程

    • 2.3利用 FOA 优化 SVR 参数

    • 2.4利用 SVR 对煤矿突水进行预测

    • 2.5模型预测性能对比分析

  • 3、结论

核心点推荐
  • 煤矿突水预测