《表1 区段煤柱宽度的学习和训练样本》
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。
图表编号 | XD00125360300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.31 |
作者 | 吴旋、来兴平、郭俊兵、崔峰、王泽阳、许慧聪 |
绘制单位 | 西安科技大学能源学院、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、西安科技大学榆林煤炭绿色安全高效开采与清洁利用研究院、西安科技大学能源学院、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、西安科技大学榆林煤炭绿色安全高效开采与清洁利用研究院、西山煤电股份有限公司马兰矿、西安科技大学能源学院、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、西安科技大学榆林煤炭绿色安全高效开采与清洁利用研究院、西安科技大学能源学院、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、西安科技大学榆林煤炭绿色 |
更多格式 | 高清、无水印(增值服务) |