典型文献
矿井淋水井筒风温PSO-SVR预测方法
文献摘要：
矿井进风井筒风温的准确预测对于井下风流的热计算至关重要.为提高矿井井筒风温预测精度,在结合矿井生产特点和参考有关淋水井筒风温预测研究的基础上,采用粒子群算法(PSO)对支持向量回归(SVR)参数进行优化,建立矿井淋水井筒风温PSO-SVR预测模型,并与利用同样的训练和测试样本建立的常规SVR预测模型和多元线性回归(MLR)预测模型进行比较.结果表明:对于训练和测试样本,MLR预测模型的预测与观测值散点分散于标准线四周,相比于MLR预测模型,常规SVR预测模型的散点较集中于标准线周围,而经过PSO优化后的SVR预测模型的散点均紧密分布在标准线附近,说明PSO-SVR预测模型具有更好的预测精度,更强的泛化性;MLR预测模型、常规SVR预测模型和PSO-SVR预测模型的测试样本预测结果的平均绝对百分比误差分别为3.43％,1.27％和0.37％,常规SVR预测模型较MLR预测模型的预测结果改进比约63％,PSO-SVR预测模型较常规SVR预测模型的预测结果改进比约71％,表明PSO-SVR预测模型的预测效果显著优于MLR预测模型和常规SVR预测模型,该模型适用于矿井淋水井筒风温的预测.
文献关键词：
淋水井筒;风温预测;粒子群优化算法;支持向量回归
中图分类号：
作者姓名：
高佳南;吴奉亮;马砺;贺雁鹏
作者机构：
西安科技大学 安全科学与工程学院,陕西 西安710054;西安科技大学 西部矿井开采及灾害防治教育部重点实验室,陕西 西安710054
文献出处：
引用格式：
[1]高佳南;吴奉亮;马砺;贺雁鹏-.矿井淋水井筒风温PSO-SVR预测方法)[J].西安科技大学学报,2022(03):476-483
A类：
淋水井筒,风温预测
B类：
PSO,SVR,风井,准确预测,井下,下风,风流,热计算,井井,矿井生产,生产特点,预测研究,粒子群算法,支持向量回归,MLR,观测值,散点,点分散,标准线,四周,泛化性,样本预测,平均绝对百分比误差,粒子群优化算法
AB值：
0.176417
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。
