一种采用CCPSO-SVM的煤与瓦斯突出预测方法  

Coal-and-Gas Outburst Forecast Using CCPSO and SVM

作　　者：黄为勇[1] 邵晓根[1] 陈奎[1] 

机构地区：[1]徐州工程学院信电工程学院,徐州221111

出　　处：《计算机科学》2012年第11期216-220,225,共6页Computer Science

基　　金：国家自然科学基金(50534050);江苏省高校自然科学研究计划项目(06KJD460174)资助

摘　　要：为了有效地对矿井煤与瓦斯突出进行预测,提出了一种基于完全混沌粒子群优化(CCPSO)与支持向量机(SVM)的矿井煤与瓦斯突出预测方法。该方法将矿井工作面前方煤体瓦斯涌出量动态变化时间序列的多重分维谱作为特征指标,应用支持向量(SVM)构建预测模型,模型的参数向量由改进的完全混沌粒子群优化算法和测试集样本集分类错误率最小准则选择和优化。实验结果证明,该方法是有效的,它为煤与瓦斯突出预测提供了一种新途径。In order to forecast effectively coal-and-gas outburst in coal-mine, a new method for coal and-gas outburst forecast based on CCPSO （complete chaotic particle swarm optimization） and SVM （support vector machine） was pre- sented. With multi-fractal dimension spectrum of gas emission amount dynamic time series in the front of work-face in coal-mine being feature index, the forecasting model was constructed by using SV1Vk The parameters vector of the pro- posed model was selected and optimized by CCPSO and the criteria of CERM （classification error rate minimization） and TSSM （test sample set minimization）. The experimental results show that the proposed method is effective and provides a new approach for forecasting coal-and-gas outburst in coal-mine.

关 键 词：煤与瓦斯突出 预测 支持向量机 完全混沌粒子群优化 多重分维谱 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构] TD713[自动化与计算机技术—计算机科学与技术]