最小二乘支持向量机优化模型在煤矿安全预测中的应用

摘要：

针对传统信息融合技术在煤矿井下环境等级评价中的局限性,文章提出了一种智能算法:通过粒子群优化算法对最小二乘支持向量机进行参数寻优,建立多传感器信息融合模型PSO-LSSVM,克服参数选择的主观性、盲目性,从而提高算法的分类精度和收敛速度.实验结果表明,相比未经参数优化的最小二乘支持向量机模型、网格算法优化最小二乘支持向量机模型,PSO-LSSVM模型能很好地解决煤矿井下环境等级评价中小样本的高维、非线性、不确定性等方面的问题.

关键词：信息融合、粒子群算法、最小二乘支持向量机、参数优化、交叉验证

所属期刊栏目：39

分类号：P208;TP391(一般性问题)

资助基金：国家自然基金项目-神华煤炭联合51174257;国家重点基础研究973计划项目2010CB732002;安徽高校省级自然科学研究重点项目KJ2010A083;安徽理工大学青年科学基金2012QNY34

在线出版日期：2014-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：150-154