量子粒子群优化算法在煤矿瓦斯涌出量预测中的应用  

Application of Particle Swarm Optimization with Quantum in Gas Emission Quantity Prediction

作　　者：杨胜利[1] 齐名军[2] 

机构地区：[1]河南煤业化工集团鹤煤公司工程技术中心,河南鹤壁458000 [2]鹤壁职业技术学院,河南鹤壁458030

出　　处：《中州煤炭》2011年第10期9-11,共3页Zhongzhou Coal

基　　金：河南省社科联基金项目(SKL-2010-3224)

摘　　要：针对瓦斯涌出局部性、随机性、模糊性等特点,提出一种新的量子粒子群优化、支持向量核构造量子粒子群算法和向量回归模型,并且运用一种新型的智能量子粒子群优化算法优选模型参数。实验结果表明,所提出的量子粒子群支持向量回归模型预测瓦斯涌出量比标准支持向量回归模型、智能支持向量回归模型预测精度高、速度快。Aiming at the characteristics of gas emission,such as localized,random,fuzzy and others,a new particle swarm optimization with quantum in gas emission model was proposed,which can support vector kernel structure of quantum particle swarm algorithm and vector regression.A new type of intelligent quantum particle swarm optimization was used to optically select model parameters.The experimental results show that,in terms of gas emission prediction,the particle swarm optimization with quantum in gas emission model has higher accuracy and higher speed than the standard support vector regression model,intelligent support vector regression model.

关 键 词：支持向量机 智能遗传算法 瓦斯 

分 类 号：TD712.5[矿业工程—矿井通风与安全]