SOM—SVM模型在煤与瓦斯突出预测中的应用

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：将自组织特征映射网络和支持向量机进行优选组合，建立煤与瓦斯突出危险性预测的SOM—SVM模型，充分利用非监督学习算法SOM的数据压缩、特征抽取的功能特性对训练样本进行压缩去噪处理，为有导师学习算法SVM提供高质量的有标记样本，进而发挥SVM分类精度高的特性，同时提高其分类速率。通过现场实测数据进行煤与瓦斯突出危险性预测，结果表明：两种算法的结合对煤与瓦斯突出危险性预测是有效的，它与传统的预测方法相比，分类速度更快，容错能力更强，预测精度更高。

作者：

刘叶玲、雷艳玲

展开 >

作者单位：

西安科技大学理学院,陕西西安710054

关键词：

煤与瓦斯突出突出预测自组织特征映射支持向量机

基金：

国家自然科学基金

项目编号：

51174158

出版年：

2012

中国包装科技博览

中国包装总公司

中国包装科技博览

ISSN：1009-914X

年,卷(期)：2012.(5)

参考文献量5