基于FOA-SVM的煤矿瓦斯爆炸风险模式识别
作者:
谢国民
单敏柱
付华
关键词:
瓦斯爆炸
主成分分析
支持向量机
特征提取
果蝇算法
摘要:
瓦斯爆炸的过程是一个综合各种因素在内的能量释放的过程,为了能够对瓦斯爆炸进行准确的辨识,文中提出了将主成分分析(Principal Componet Analysis,PAC)和支持向量机(Support Vector Machine,SVM)相结合进行瓦斯爆炸预测.瓦斯爆炸影响因素较多,首先通过PCA 进行特征提取,降低特征向量的维数,去除参数间的相关性;然后通过果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)对支持向量机进行全局寻优,避免了过学习的出现.将通过PCA 提取的新特征值作为FOA-SVM 模型输入,从而实现准确性高的瓦斯爆炸风险模式识别.通过实验仿真表明,文中提出的方法具有识别精度高、推广能力强同时模型简单的特点,对工程实践具有一定的指导作用.
上一篇: 一种新型趋近律的永磁同步电机滑模控制
下一篇: 基于GRVM的航空发动机状态预测技术研究