辽宁工程技术大学学报(自然科学版)

2020, v.39;No.245(01) 6-11

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型
Mine water inrush source identification model based on KPCA-PSO-RBBF-SVM

温廷新;孔祥博;

摘要(Abstract):

为对矿井突水水源进行识别以减少矿井突水事故的发生,提出了粒子群(PSO)结合RBF核参数优化的SVM模型,并使用核主成分分析法(KPCA)对选取水源特征指标进行高效降维.根据水源离子敏感性选取了8种水化学指标(K~+、Na~+、Mg~(2+)、Ga~(2+)、HCO_3~-、Cl~-、F~-、SO_4~(2-))作为突水水源识别特征参数.使用基于最大方差关联度准则的核参数选择方法并结合粒子群算法构造参数优化算法,使用参数优选后的支持向量机模型对90组突水水源识别训练数据进行模型训练,用其余32组数据进行测试,模型实测效果与Logistic模型、PCA-Fisher模型以及PSO-SVM模型进行对比,结果表明:采用径向基核函数优化的支持向量机模型能够选取较优参数,模型实测平均准确率为93.75%,误差明显低于其他模型,证明了该模型能精准且高效地识别矿井突水水源.

关键词(KeyWords): 矿井突水;支持向量机;参数优化;径向基核函数;粒子群算法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(71371091)

作者(Author): 温廷新;孔祥博;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享