一种采用CCPSOSVM的煤与瓦斯突出预测方法.pdf

第 39卷 第 ll期 计 算 机 科 学 Vo1．39No．11 2012年 11月 Computer Science Nov2O12 一 种采用CCPSO-SVM 的煤与瓦斯突出预测方法 黄为勇 邵晓根 陈 奎 (徐州工程学院信电工程学院 徐州221111) 摘 要 为了有效地对矿井煤与瓦斯突出进行预测，提出了一种基于完全混沌粒子群优化 (CCPS0)与支持向量机 (SVM)的矿井煤与瓦斯突出预测方法。该方法将矿井工作面前方煤体 瓦斯涌出量动态变化时间序列的多重分维谱 作为特征指标，应用支持向量(SVM)构建预测模型，模型的参数 向量由改进的完全混沌粒子群优化算法和测试集样 本集分类错误率最小准则选择和优化。实验结果证明，该方法是有效的，它为煤与瓦斯突出预测提供了一种新途径。 关键词 煤与瓦斯突出，预测，支持向量机，完全混沌粒子群优化，多重分维谱 中图法分类号 IP181，TD713 文献标识码 A Coal-and-GasOutburstForecastUsingCCPSO andSVM HUANGW ekyong SHAO Xiao-gen CHEN Kui (SchoolofInformationandElectricalEngineering，XuzhouInstituteofTechnology，Xuzhou221II1，China) Abstract Inordertoforecasteffectivelycoal-and-gasoutburstin coal—mine，anew methodforcoaland-gasoutburst forecastbasedonCCPSO (completechaoticparticleswarmoptimization)andSVM (supportvectormachine)waspre- sented．W ithmulti-fractaldimensionspectrum ofgasemissionamountdynamictimeseriesinthefrontofwork-facein coal～minebeingfeatureindex，theforecastingmodelwasconstructedbyusingSVM．Theparma etersvectorofthepro— posedmode1wasselectedandoptimizedbyCCPS0 andthecriteriaofCERM (classificationerrorrateminimization) and TSSM (testsamplesetminimization)．Theexperimentalresultsshow thattheproposedmethodiseffectivenad providesanew approachforforecastingcoaband-gasoutburstincoal-mine． Keywords Coaband-gasoutburst，Forecast，Supportvectormachine，CompletechaoticparticleswaiTtloptimization， Multbfractaldmi ensionspectrum 有关系统动态演化过程的特征信息。采掘工作面前方煤体瓦 1 引言 斯涌出量的动态变化与煤体的突出危险性相一致，无论瓦斯 煤与瓦斯突出是严重威胁煤矿安全生产的自然灾害之 涌出量上升或上下起伏 ，都是突出危险的前兆信息。 一 。 突出危险性的准确预测是有效防治突出灾害的重要技术 工作面 Q序列具有明的混沌一分形特性，但工作面在 由 基