典型文献
基于GA-SVM耦合模型的煤与瓦斯突出危险性预测
文献摘要：
为了更加科学地预测煤与瓦斯突出危险性,提出一种基于遗传算法(GA)的支持向量机(SVM)参数选择方法,选取瓦斯含量、开采深度、瓦斯压力、瓦斯放散初速度、煤坚固性系数、煤体破坏类型这6个主要影响因素研究煤与瓦斯突出危险性,建立GA-SVM瓦斯突出危险性预测模型,并结合工程实例进行验证.研究结果表明:样本突出危险性预测准确度达到91.67％,预测结果与实际情况相符.采用遗传算法与支持向量机模型预测,有效降低人为因素带来的误差,对提高煤与瓦斯突出危险性预测精准度具有一定的参考意义.
文献关键词：
煤与瓦斯突出;遗传算法(GA);支持向量机(SVM);突出预测;预测模型
中图分类号：
作者姓名：
薛峰;李希建;徐恩宇
作者机构：
贵州大学 矿业学院,贵州 贵阳550025;贵州大学 复杂地质矿山开采安全技术工程中心,贵州 贵阳550025;贵州大学 瓦斯灾害防治与煤层气开发研究所,贵州 贵阳550025
文献出处：
引用格式：
[1]薛峰;李希建;徐恩宇-.基于GA-SVM耦合模型的煤与瓦斯突出危险性预测)[J].矿业工程研究,2022(03):39-44
A类：
B类：
GA,耦合模型,煤与瓦斯突出,突出危险性预测,参数选择,选择方法,瓦斯含量,开采深度,瓦斯压力,瓦斯放散初速度,坚固性,煤体,破坏类型,工程实例,预测准确度,支持向量机模型,人为因素,突出预测
AB值：
0.198322
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
