当前位置: 首页 » 资料 » 健康论文 » 矿井突水水源识别的QGA-LSSVM模型

矿井突水水源识别的QGA-LSSVM模型

放大字体  缩小字体 更新日期:2018-05-07  浏览次数:3
摘 要:为快速、有效地判别矿井突水水源,根据水化学特征,选取Ca^2+,Mg^2+,K^++Na^+,HCO3^-,SO4^2-,Cl^-和总硬度等7个指标的质量浓度(mg/L)作为主要判别依据,并将其作为识别的变量。利用因子分析模型对数据进行属性
  • 【题 名】矿井突水水源识别的QGA-LSSVM模型
  • 【作 者】温廷新 张波 邵良杉
  • 【机 构】辽宁工程技术大学系统工程研究所 辽宁葫芦岛125105
  • 【刊 名】《中国安全科学学报》2014年 第7期 111-116页 共6页
  • 【关键词】矿井突水 水源识别 预测 因子分析 量子遗传算法(QGA) 最小二乘支持向量机(LSSVM)
  • 【文 摘】为快速、有效地判别矿井突水水源,根据水化学特征,选取Ca^2+,Mg^2+,K^++Na^+,HCO3^-,SO4^2-,Cl^-和总硬度等7个指标的质量浓度(mg/L)作为主要判别依据,并将其作为识别的变量。利用因子分析模型对数据进行属性约简,提取公共因子,减少判别指标之间信息交互,并利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数寻优,建立QGA-LSSVM水源识别模型。选取从新庄孜煤矿实测的33组数据作为训练数据,进行模型训练;另用12组数据作为测试数据,用该模型进行预测,并将结果与其他预测模型的结果进行对比。研究表明:利用因子分析模型提取的公共因子包含原变量因素中绝大部分信息,能减少信息冗余,利用QGA优化的LSSVM模型能使结果避免陷入极值,用该模型可有效地预测矿井突水水源类型,其错误预测率为0。
 
本文导航:
  • (1) 矿井突水,水源识别,预测,因子分析,量子遗传算法(QGA),最小二乘支持向量机(LSSVM)
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注