传感技术学报
傳感技術學報
전감기술학보
Journal of Transduction Technology
2014年
11期
1568-1572
,共5页
付华%王馨蕊%杨本臣%王志军%屠乃威%王雨虹%徐耀松
付華%王馨蕊%楊本臣%王誌軍%屠迺威%王雨虹%徐耀鬆
부화%왕형예%양본신%왕지군%도내위%왕우홍%서요송
无线传感网络%瓦斯涌出量预测%加权最小二乘支持向量机(WLS-SVM)%柯西分布函数%改进的粒子群算法(MPSO)算法
無線傳感網絡%瓦斯湧齣量預測%加權最小二乘支持嚮量機(WLS-SVM)%柯西分佈函數%改進的粒子群算法(MPSO)算法
무선전감망락%와사용출량예측%가권최소이승지지향량궤(WLS-SVM)%가서분포함수%개진적입자군산법(MPSO)산법
wireless sensor networks%predicting mine gas emission%weighted LS-SVM%cauchy distribution function%modified particle swarm optimization(MPSO) algorithm
针对瓦斯涌出量受多因素影响,传统的预测方法难以建立准确的数学模型,导致预测精度低这一问题。提出一种经改进的粒子群算法( MPSO)优化的基于柯西分布加权的最小二乘支持向量机( CWLS-SVM)算法来预测非线性动态瓦斯涌出量。柯西分布加权的最小二乘支持向量机根据预测误差的统计特性,确定加权规则参数,以达到赋予训练样本不同权值的目的。并用MPSO算法对CWLS-SVM模型的正则化参数λ和高斯核参数σ寻优。利用无线传感器网络采集到的各项历史数据进行实例分析。结果表明,该算法有效的提高了瓦斯涌出量的预测精度,降低了预测误差,为煤矿瓦斯防治提供理论支持。
針對瓦斯湧齣量受多因素影響,傳統的預測方法難以建立準確的數學模型,導緻預測精度低這一問題。提齣一種經改進的粒子群算法( MPSO)優化的基于柯西分佈加權的最小二乘支持嚮量機( CWLS-SVM)算法來預測非線性動態瓦斯湧齣量。柯西分佈加權的最小二乘支持嚮量機根據預測誤差的統計特性,確定加權規則參數,以達到賦予訓練樣本不同權值的目的。併用MPSO算法對CWLS-SVM模型的正則化參數λ和高斯覈參數σ尋優。利用無線傳感器網絡採集到的各項歷史數據進行實例分析。結果錶明,該算法有效的提高瞭瓦斯湧齣量的預測精度,降低瞭預測誤差,為煤礦瓦斯防治提供理論支持。
침대와사용출량수다인소영향,전통적예측방법난이건립준학적수학모형,도치예측정도저저일문제。제출일충경개진적입자군산법( MPSO)우화적기우가서분포가권적최소이승지지향량궤( CWLS-SVM)산법래예측비선성동태와사용출량。가서분포가권적최소이승지지향량궤근거예측오차적통계특성,학정가권규칙삼수,이체도부여훈련양본불동권치적목적。병용MPSO산법대CWLS-SVM모형적정칙화삼수λ화고사핵삼수σ심우。이용무선전감기망락채집도적각항역사수거진행실례분석。결과표명,해산법유효적제고료와사용출량적예측정도,강저료예측오차,위매광와사방치제공이론지지。
For gas emission influenced by multiple factors, the traditional forecasting methods are difficult to establish accurate mathematical model, leading to the problem of low prediction accuracy. An modified particle swarm optimization ( MPSO ) algorithm based on cauchy distribution by weighted least squares support vector machine( CWLS-SVM) algorithm to predict the nonlinear dynamic of gas emission. Cauchy distribution weighted least squares support vector machine based on the statistical properties of the prediction error to determine the weighting rule parameters in order to achieve the purpose of giving different weights training samples. MPSO algo-rithm with regularization parameter CWLS-SVM model and the gaussian kernel parameter optimization. Using wire-less sensor networks to collect the historical data to analyze an example. The results show that the algorithm effec-tively improved the prediction accuracy of gas emission,reducing forecast error,providing theoretical support for coal mine gas prevention and control.