科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对煤矿突水预测精度低、训练速度慢的问题，提出基于局部线性嵌入(LLE)—果蝇优化算法(FOA)—支持向量回归(SVR)的煤矿突水预测模型。首先，利用LLE在非线性数据特征提取方面的优势，提取煤矿突水影响因素原始数据的本质特征，形成重构因子，减少数据间的冗余信息和噪声。然后，利用FOA对SVR的参数进行迭代优化，并将最优参数代入SVR中，以解决传统SVR参数优化困难的问题。最后，结合实例并将LLE-FOA-SVR模型的预测结果与反向传播(BP)、SVR、LLE-SVR模型的预测结果进行对比。实验结果表明：该模型的预测精度高于其他3种模型，预测精度可达90%,且建模时间和运算时间更短。
- 出版日期2023
- 单位中国矿业大学（北京）; 中国矿业大学
