CAJ | 학술논문

针对神经网络的瓦斯预测模型存在的泛化性能差且存在易陷入局部最优的缺点,提出了基于最小二乘支持向量机(LS-SVM)时间序列瓦斯预测方法.由于标准最小二乘支持向量机(LS-SVM)要求样本误差分布服从高斯分布,且标准LS-SVM丧失鲁棒性与稀疏性等特点,提出了基于加权LS-SVM的瓦斯时间序列预测的方法,从而提高了标准LS-SVM模型的鲁棒性.其中时间序列的嵌入维数与延迟时间采用了微熵率最小原则进行选取,在此基础上给出了基于加权LS-SVM实现多步时间序列预测的算法实现步骤.最后利用MATLAB 7.1对其进行仿真研究,通过鹤壁十矿1个突出工作面的瓦斯涌出数据实例对模型进行了验证.结果表明,加权LS-SVM模型比标准的LS-SVM明显提高了鲁棒性,可较好地实现时间序列数据的多步预测.
침대신경망락적와사예측모형존재적범화성능차차존재역함입국부최우적결점,제출료기우최소이승지지향량궤(LS-SVM)시간서렬와사예측방법.유우표준최소이승지지향량궤(LS-SVM)요구양본오차분포복종고사분포,차표준LS-SVM상실로봉성여희소성등특점,제출료기우가권LS-SVM적와사시간서렬예측적방법,종이제고료표준LS-SVM모형적로봉성.기중시간서렬적감입유수여연지시간채용료미적솔최소원칙진행선취,재차기출상급출료기우가권LS-SVM실현다보시간서렬예측적산법실현보취.최후이용MATLAB 7.1대기진행방진연구,통과학벽십광1개돌출공작면적와사용출수거실례대모형진행료험증.결과표명,가권LS-SVM모형비표준적LS-SVM명현제고료로봉성,가교호지실현시간서렬수거적다보예측.