基于KPCA-IPSO-LSSVM的充填管道磨损风险预测

摘要：

为克服传统预测模型存在的适用性差、预测精度不足和参数选取随意性强等缺陷,提出了一种将核主成分分析法(KPCA)、改进粒子群算法(IPSO)与最小二乘支持向量机(LSSVM)相结合的充填管道磨损风险预测新方法.通过KPCA对管道磨损影响因素进行特征提取,将提取结果作为LSSVM的输入,同时利用具有较强全局搜索能力的IPSO算法对模型参数进行优化,构建KPCA-IPSO-LSSVM组合预测模型.以黄陵县矿区的80组实测数据为例,对该模型进行训练和预测,并将其预测结果与IPSO-LSSVM模型、LSSVM模型、SVM模型的预测结果进行对比分析.结果表明:与其他3个预测模型相比,KPCA-IPSO-LSSVM模型具有较高的预测精度和较强的泛化能力,为充填管道磨损风险预测提供了一种更为有效的预测方法.

关键词：核主成分分析、改进粒子群算法、最小二乘支持向量机、充填管道、磨损风险、组合预测模型

所属期刊栏目：29

分类号：TD853.34(矿山开采)

资助基金：中国黄金集团公司课题项目2040217137

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：245-255