基于双自适应AIS-PSO的瓦斯浓度软测量模型

摘要：

为解决煤矿单传感器瓦斯浓度预测精度不足的问题,将自适应人工免疫系统(AIS)与自适应粒子群(PSO)相结合,建立多参数并行双自适应AIS-PSO算法的瓦斯浓度软测量模型.通过分析煤矿井下环境参数对瓦斯浓度监测的影响,将矿井下温度及风速等环境参数作为软测量模型输入,上隅角瓦斯浓度作为模型输出.利用并行双自适应AIS-PSO算法对最小二乘支持向量机(LS-SVM)的核参数σ和正则化参数γ进行寻优,并与PSO-LSSVM、LS-SVM结果进行对比.结果 表明:PSO-LSSVM平均相对误差为5.5083％,LS-SVM平均相对误差为8.6883％,并行双自适应AIS-PSO软测量模型的平均相对误差为2.0165％,最小相对误差为1.194％,与另两种方法相比具有较高的预测精度和泛化能力.

关键词：粒子群、人工免疫系统、瓦斯浓度、最小二乘支持向量机、软测量

所属期刊栏目：37

分类号：X936(安全工程)

资助基金：国家自然科学基金项目71371091,71771111

在线出版日期：2020-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：338-342,393