基于改进PSO优化LS-SVM参数的煤与瓦斯突出预测研究  

Prediction of Coal and Gas Outburst Based on Improved PSO Optimizing Parameters of LS-SVM

作　　者：李映洁[1,2] 杨永国[1,2] 

机构地区：[1]中国矿业大学资源与地球科学学院,江苏徐州221116 [2]中国矿业大学煤层气资源与成藏过程教育部重点实验室,江苏徐州221116

出　　处：《煤炭技术》2017年第9期129-131,共3页Coal Technology

基　　金：国家自然科学基金项目(41672324;41430317);国家科技重大专项(2016ZX05044-002)

摘　　要：为提高最小二乘支持向量机的预测精度,拓展其应用范围,采用改进后的粒子群优化算法对最小二乘支持向量机进行参数寻优,并应用于芦岭煤矿煤与瓦斯突出危险性类型预测。结果表明优化后的模型比神经网络预测的结果精度高,总体效果良好。To improve the precision of prediction of least squares support vector machine （LS-SVM）, experiment predicts classes of coal and gas outburst in Luling coal mine applying improved PSO to optimize parameters in LS-SVM. Experimental result manifest that prediction accuracy of this model is better than BP neural network and has a great overall effect.

关 键 词：粒子群优化算法 煤与瓦斯突出 最小二乘支持向量机 

分 类 号：TD713[矿业工程—矿井通风与安全]