煤矿综采工作面瓦斯浓度预测模型

摘要：

针对基于最小二乘支持向量机(LS-SVM)的瓦斯浓度预测方法进行参数优化时存在的易陷入局部最优解、搜索效率较低、易产生早熟收敛等问题,提出了一种基于改进蚁群算法-最小二乘支持向量机(ACO-LS-SVM)的瓦斯浓度预测模型.首先,对采集的大量煤矿综采工作面瓦斯数据进行k-means聚类分析,以降低数据维数;然后,采用改进蚁群算法对LS-SVM的惩罚参数和核函数参数进行寻优,再代入LS-SVM模型中进行回归预测.仿真结果表明,当瓦斯体积分数绝对误差阈值分别为0.03％,0.04％,0.05％时,基于ACO-LS-SVM的瓦斯浓度预测模型的预测准确度都在95％左右,比SVM模型和LS-SVM模型表现更好.

关键词：综采工作面、瓦斯浓度预测、蚁群算法、最小二乘支持向量机、k-means聚类分析、参数寻优、LS-SVM、ACO-LS-SVM

所属期刊栏目：44

分类号：TD712(矿山安全与劳动保护)

资助基金：国家重点研发计划项目2016YFC0801808

在线出版日期：2019-01-04（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：48-53