RS-LS-SVR 模型在煤与瓦斯突出预测的应用
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(50874059)


RS-LS-SVR Model in Predication of the Coal and Gas Outburst
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在综合研究了各种算法的基础上,将粗集理论和最小二乘支持向量机算法结合,充分利用了粗集算法能够去除冗余信息,最小二乘支持向量机能够精确加快收敛速的优点。利用具体网络建立一个突出预测机制,并利用本预测机制对矿井瓦斯突出情况进行模拟预测。经过基于MATLAB工具箱的BP神经网络模型的实验对比表明,LS-SVR能加快收敛速度。实验结果表明,基于RS-LS-SVR网络的预测模型可靠,收敛速度快,预测精度高,效果良好。

    Abstract:

    Based on the comprehensive study of the various algorithms, with the rough set theory and the Least Squares Support Vector Regression, taking advantage of rough set method can remove redundant information, Least Squares Support Vector Regression can accurately accelerate the convergence speed advantages. Prominent use of a specific network prediction mechanism, and use this prediction of mine gas outburst mechanism to predict the situation. After based on the MATLAB neural network toolbox BP neural network method of experimental comparison shows that the LS-SVR can speed up the convergence rate. The experimental result reveals that Based on RS-LS-SVR neural network prediction model is reliable, fast convergence and high accuracy, good effect.

    参考文献
    相似文献
    引证文献
引用本文

彭泓,高攀. RS-LS-SVR 模型在煤与瓦斯突出预测的应用.计算机系统应用,2012,21(1):65-68,35

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-05-13
  • 最后修改日期:2011-06-25
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号