典型文献
RVM在煤自燃预测中的应用研究
文献摘要：
在对煤自然发火程度预测的方法中,采用径向基(RBF)神经网络预测煤自燃的方法容易发生局部最优、结构冗杂现象,采用支持向量机(SVM)预测会由于Mercer条件的限制导致其核函数对参数反应敏感,常规的机器学习方法存在较大误差,因此引入以相关向量机(RVM)为基础进行预测.结合晋能控股集团四老沟煤矿实际生产情况,对煤自燃升温过程进行数值模拟,并构建样本.以训练样本为基础建立相关向量机(RVM)模型,获得模型最佳参数;在已训练的模型中代入测试样本,对煤自燃温度进行预测.通过对比SVM和RBF预测方法,结果证明:采用SVM和RBF神经网络预测煤自燃的方法虽然训练误差不大,但是测试误差较高,具有"过拟合"问题,泛化能力不高,而采用RVM预测方法,其测试误差和训练误差二者相对接近,而且具有最高的预测精度.
文献关键词：
自燃;RBF;RVM;SVM;过拟合
中图分类号：
作者姓名：
王丹
作者机构：
晋能控股煤业集团 四老沟矿,山西 大同 037000
文献出处：
引用格式：
[1]王丹-.RVM在煤自燃预测中的应用研究)[J].煤,2022(04):1-5
A类：
B类：
RVM,煤自燃,煤自然发火,径向基,RBF,神经网络预测,局部最优,冗杂,Mercer,制导,核函数,机器学习方法,相关向量机,控股集团,煤矿,生产情况,训练样本,最佳参数,中代,代入,自燃温度,测试误差,过拟合,泛化能力
AB值：
0.318777
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。
