針對煤與瓦斯突出預(yù)測的數(shù)據(jù)不完整或缺失問題,提出一種基于miss Forest-EGWO-SVM的煤與瓦斯突出預(yù)測模型.以淮南地區(qū)的實測數(shù)據(jù)作為研究樣本,采用missForest算法對樣本數(shù)據(jù)進行缺失值填補;為解決SVM算法性能受參數(shù)影響大的問題,利用高效灰狼算法（EGWO）對SVM進行參數(shù)尋優(yōu);完善后的數(shù)據(jù)集作為EGWO-SVM模型的輸入進行實驗,與其他模型對比.研究結(jié)果表明:采用missForest填補缺失數(shù)據(jù),提高了模型的突出事故預(yù)測率,EGWO-SVM模型能夠有效避免GWO在后期搜索中陷入局部最優(yōu),進一步提高了SVM的預(yù)測精度.研究結(jié)論為缺失數(shù)據(jù)情況下煤與瓦斯突出預(yù)測提供了一種途徑. 

【文章來源】：遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2020,39(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

不同模型的預(yù)測結(jié)果Fig.2predictionresultsofdifferentmodels(d)ELM(e)EGWO-ELM

【參考文獻】：
期刊論文
[1]一種改進的灰狼優(yōu)化算法[J]. 龍文,蔡紹洪,焦建軍,伍鐵斌.  電子學(xué)報. 2019(01)
[2]基于FOA-SVM的煤礦瓦斯爆炸風(fēng)險模式識別[J]. 謝國民,單敏柱,付華.  控制工程. 2018(10)
[3]基于KPCA和T-S模糊神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出的預(yù)測[J]. 顧能華,姚英彪,鄭慧娟,孫健,王海倫.  測控技術(shù). 2018(09)
[4]粒子群優(yōu)化混合核極限學(xué)習(xí)機的構(gòu)造煤厚度預(yù)測方法[J]. 范君,王新,徐慧.  計算機應(yīng)用. 2018(06)
[5]一種改進的極限學(xué)習(xí)機煤與瓦斯突出預(yù)測模型[J]. 付華,李海霞,盧萬杰,徐耀松,王雨虹.  傳感技術(shù)學(xué)報. 2016(01)
[6]新型煤與瓦斯突出預(yù)測指標確定及應(yīng)用[J]. 劉雪莉,游繼軍.  煤炭科學(xué)技術(shù). 2015(03)
[7]模糊支持向量機在煤與瓦斯突出預(yù)測中的研究[J]. 楊力,耿紀超,汪克亮.  中國安全生產(chǎn)科學(xué)技術(shù). 2014(04)
[8]煤與瓦斯突出地質(zhì)控制機理探討[J]. 閆江偉,張小兵,張子敏.  煤炭學(xué)報. 2013(07)
[9]基于PCA-BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測研究[J]. 朱志潔,張宏偉,韓軍,宋衛(wèi)華.  中國安全科學(xué)學(xué)報. 2013(04)
[10]礦井煤與瓦斯突出數(shù)學(xué)模型的建立[J]. 李坤,由長福,祁海鷹.  工程力學(xué). 2012(01)

博士論文
[1]基于瓦斯含量法的煤與瓦斯突出預(yù)測關(guān)鍵技術(shù)研究[D]. 鄭曉亮.安徽理工大學(xué) 2018



本文編號：3432192