孙红娟
- 作品数：2 被引量：23H指数：2
- 供职机构：辽宁工程技术大学理学院数学与系统科学研究所更多>>
- 发文基金：辽宁省教育厅基金山东省自然科学基金国家自然科学基金更多>>
- 相关领域：环境科学与工程矿业工程更多>>
- 煤与瓦斯突出预测的QGA-LSSVM模型被引量：15
- 2015年
- 为快速、有效地对煤与瓦斯突出类型作出预测,运用灰色关联和因子分析模型对所选主要的判别指标进行分析提取,利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数作寻优处理,最终建立QGA-LSSVM煤与瓦斯突出预测模型。选取从砚石台矿区历史实测的数据,以96∶20的比例对该模型进行训练与测试,并将预测结果与其他预测模型的预测效果进行了比较。研究结果表明:对判别指标进行灰色关联分析可以有效去除对煤与瓦斯突出影响作用小的指标;用因子分析进行公共因子提取,可以有效减少数据信息冗余;利用QGA优化的LSSVM模型能使结果避免陷入局部最优解,用该模型可以有效预测煤与瓦斯突出类型,误判率为0。
- 温廷新孙红娟张波邵良杉孔祥博
- 关键词：煤与瓦斯突出灰色关联量子遗传算法
- 矿区采空塌陷危险性预测的RS-SVM模型被引量：8
- 2015年
- 为快速、准确地预测矿区采空塌陷的危险性,针对矿区采空塌陷预测的复杂非线性特点,在统计分析实测资料的基础上,选取7项指标作为初始特征指标,30组塌陷样本作为原始样本,其中,前17组为原始训练样本,后13组为测试样本;运用粗糙集(RS)理论,对原始训练样本进行对象约简和属性约简。将属性约简后的3项指标作为支持向量机(SVM)的输入向量,建立矿区采空塌陷危险性预测的RS-SVM模型。将对象约简后的7组样本作为训练样本,用于模型训练。采用回代估计法进行回检,误判率为0。利用训练好的模型对13组待评样本进行预测,并与贝叶斯、BP神经网络(BPNN)方法进行比较。结果表明,RS理论与SVM算法相结合,能降低属性维数,去除冗余样本,简化模型,该模型所得预测结果准确率为100%。
- 温廷新孙红娟徐波邵良杉章菲菲
- 关键词：采空区属性约简
