世界科技研究与发展
世界科技研究與髮展
세계과기연구여발전
World Sci-Tech R & D
2015年
5期
485-489
,共5页
杨明磊%戚旭鹏%张春华%郝朝瑜%姜超
楊明磊%慼旭鵬%張春華%郝朝瑜%薑超
양명뢰%척욱붕%장춘화%학조유%강초
支持向量机%分源预测%BP神经网络%数值模拟%误差分析
支持嚮量機%分源預測%BP神經網絡%數值模擬%誤差分析
지지향량궤%분원예측%BP신경망락%수치모의%오차분석
support vector machine%difference source prediction%BP neural network%numerical simulation%error analysis
针对目前瓦斯涌出量预测模型存在的局限性及精度低等问题,应用分源预测和支持向量机(SVM)的基本原理,将SVM回归与分源预测法相结合,并利用SVM对回采工作面的瓦斯涌出量进行回归分析和数值模拟,建立了SVM分源预测的数学模型,提出了SVM分源预测的新方法.数值实验表明,将训练成功的SVM模型对现场数据进行回归预测并对比预测结果与实际值发现,SVM比BP神经网络预测精度更高,训练样本期望输出与实际值的最大相对误差为1.45％,小于实际要求的5％,准确率较高,预测风险低,可以满足实际要求.
針對目前瓦斯湧齣量預測模型存在的跼限性及精度低等問題,應用分源預測和支持嚮量機(SVM)的基本原理,將SVM迴歸與分源預測法相結閤,併利用SVM對迴採工作麵的瓦斯湧齣量進行迴歸分析和數值模擬,建立瞭SVM分源預測的數學模型,提齣瞭SVM分源預測的新方法.數值實驗錶明,將訓練成功的SVM模型對現場數據進行迴歸預測併對比預測結果與實際值髮現,SVM比BP神經網絡預測精度更高,訓練樣本期望輸齣與實際值的最大相對誤差為1.45％,小于實際要求的5％,準確率較高,預測風險低,可以滿足實際要求.
침대목전와사용출량예측모형존재적국한성급정도저등문제,응용분원예측화지지향량궤(SVM)적기본원리,장SVM회귀여분원예측법상결합,병이용SVM대회채공작면적와사용출량진행회귀분석화수치모의,건립료SVM분원예측적수학모형,제출료SVM분원예측적신방법.수치실험표명,장훈련성공적SVM모형대현장수거진행회귀예측병대비예측결과여실제치발현,SVM비BP신경망락예측정도경고,훈련양본기망수출여실제치적최대상대오차위1.45％,소우실제요구적5％,준학솔교고,예측풍험저,가이만족실제요구.
