资源简介
为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。
代码片段和文件信息
相关资源
- 基于模糊聚类和SVM的瓦斯涌出量预测
- 缓冲算子理论在矿井瓦斯涌出量预测
- 瓦斯涌出量预测的GM(11)模型改进
- 矿井瓦斯涌出量建模预测
- 基于灰色系统理论的矿井瓦斯涌出量
- 矿井回采工作面瓦斯涌出量预测新途
- 矿井瓦斯涌出量的GM(11)新陈代谢模
- GM(11)模型与线性回归组合方法在矿
- 灰色系统理论在矿井瓦斯涌出量预测
- 等维新息模型在矿井瓦斯涌出量预测
- 基于改进灰色模型的矿井瓦斯涌出量
- 基于HHT-CS-ELM的瓦斯涌出量时序预测
- 基于GA-ELM的瓦斯涌出量预测
- 基于PCA-FOA-GRNN的回采工作面瓦斯涌出
- 基于灰色GM(21)模型的工作面瓦斯涌
- 蚁群优化算法源代码,源程序
- 嵌入混沌的蚁群优化算法
- 近距离煤层开采瓦斯涌出量预测及其
- 采煤工作面瓦斯涌出量LMD-BP神经网络
评论
共有 条评论