《表1 区段煤柱宽度的学习和训练样本》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《综采面区段煤柱宽度的PSO-SVM预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证PSO-SVM预测区段煤柱宽度的可行性，在查阅相关资料的基础上[20-25]，收集了25个煤矿的基本数据（见表1），取前22个样本作为训练样本，后3个样本作为区段煤柱的预测样本。编写3种算法程序，通过试算确定其参数如下:粒子群优化支持向量机（PSO-SVM）的粒子个数为25；粒子维数为2；粒子群规模为10；循环次数为50；w从0.93随循环次数增加线性递减至0.5；学习因子c1=1.8，c2=1.7；参数的搜索范围为（0，300）。遗传算法优选支持向量机（GA-SVM）设定种群大小N=50，最大迭代次数gm=100，交叉概率pc=0.7，变异概率pN=0.1，惩罚因子参数C在[0，100]内，核函数参数ρ范围为[0，100]。利用网格搜索进行支持向量机（GS-SVM）参数优化时，惩罚系数和核参数的变化范围设置为[0.001，100]，参数划分数设置为10．对3个煤矿的区段煤柱进行预测，其PSO，GA算法收敛过程如图2所示，GS算法参数搜索结果如图3所示。