基于粒子群优化支持向量机的煤层底板突水量等级预测.pdf

《基于粒子群优化支持向量机的煤层底板突水量等级预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第40卷第6期煤田地质与勘探Vb1．40NO．62012年12月C0ALGE010GY&EXP10R衄ONDec．2012文章编号：1001-1986(2012)06—0044—04基于粒子群优化支持向量机的煤层底板突水量等级预测高卫东，王正帅(江苏师范大学测绘学院，江苏徐州221116)摘要：为更好地解决支持向量机(svM)核参数和惩罚因子的取值对煤层底板突水量等级预测精度的影响问题，提出利用全局搜索能力较强的粒子群优化(PsO)算法优化支持向量机参数。选取含水层水压、隔水层厚度、岩溶发育程度、断层规模等作为影响煤层底板突水量等级的因素，利用华

2、北聚煤区煤层底板突水的实测数据进行训练，建立了煤层底板突水量等级预测的粒子群一支持向量机(PSO—SVM)模型，并将其应用于其他样本的预测。应用表明：模型能够较好地解决煤层底板突水量等级预测中存在的小样本、非线性等问题，预测结果与实际情况吻合程度高，具有较强的实用性和有效性。关键词：支持向量机；粒子群优化；煤层底板；突水量等级；预测中图分类号：P641．4文献标识码：ADOI：10．3969／j．issn．1001—1986．2012．06．010Forecastofinrushedwatervolumegradefromcoalfloorbas

3、edonsupportvectormachinewithparticleswarmoptimizationGAOWeidong，WANGZhengshuai(SchoolofSurveying＆Mapping，JiangsuNormalUniversity，Xuzhou221116，China)Abstract：Tosolvetheproblemofpenaltyfactorandkernelparameterofsupportvectormachine(SVM)whichwillaffecttheforecastaccuracy，themeth

4、odwasputforwardtofindthebetterparametervaluebyusingparticleswarmoptimization(PSO)whichcanautomaticallysearchtheparametersforSVM．Fourindexes，includingwaterpressure，thethicknessofaquifuge，karstdevelopmentdegree，thefaultscale，wereselectedasthefactorsinflu—encingwaterinrushfromco

5、alfloor,theactualcasesofwaterinrushfromcoalfloorinNorthernChinacoalfieldweretakenastrainingsamples，thePSO-SVMmodelforforecastofwaterinrushvolumegradefromcoalfloorwasestablishedandappliedtotestothercases．Theapplicationofthemodelindicatedthatthemethodcansolvethesmal1sample，nonl

6、inearproblem，andtheresultsobtainediSbetterinaccordancewiththepractice．ItiSpracticalandeffectiveinforecastingwaterinrushvolumegradefromcoalfloor．Keywords：supportvectormachine；particleswarmoptimization；coalfloor；inrushedwatervolumegrade；forecast华北聚煤区煤层底板保护层完整性较差，煤层邱秀梅等_2】在考虑水源、

7、水压、隔水层、断层等因下伏巨厚的奥陶系灰岩含水层，其水压、水量大，素对煤层底板突水的影响基础上，建立了煤层底板煤层底板突水时有发生，成为制约华北聚煤区煤矿突水人工神经网络预测模型；姜谙男等】把煤层底安全生产的重大技术难题⋯。因此，对煤层底板突板突水量预测看成是受多种复杂因素影响的非线水量进行预测，对防止煤矿水害事故、保证安全承性、高维数、有限样本的模式识别问题，提出了煤压开采具有重要意义。层底板突水量预测的最小二乘支持向量机方法。经过长期的理论探索和实践积累，煤层底板突尽管模式识别方法在煤层底板突水预测方面取水预测形成了不同的学科分支和研究方向。

8、近年来，得了一些成果，但研究发现：神经网络方法本身具一些学者将在自然科学和工程科学领域发展起来的有参数选取困难、易陷于局部极小点、网络收