江苏省高校自然科学研究项目(08KJD520022)
- 作品数：2 被引量：28H指数：2
- 相关作者：孟倩周延王永胜王洪权更多>>
- 相关机构：徐州师范大学中国矿业大学兖州煤业股份有限公司更多>>
- 发文基金：江苏省高校自然科学研究项目国家自然科学基金国家科技支撑计划更多>>
- 相关领域：矿业工程更多>>
- 基于粗集-支持向量机的采空区自然发火预测被引量：6
- 2010年
- 将粗集和支持向量机两种算法有机结合起来,建立了基于粗集与支持向量机的采空区自然发火预测模型。通过粗集对采空区自然发火影响因子进行预处理,将约简属性作为输入向量,利用支持向量机进行分类处理,选择了支持向量机核函数,利用变步长搜索法对支持向量机参数进行了优化。在对粗集-支持向量机方法的实验中,通过与支持向量机方法和神经网络方法的比较,发现在样本有限的情况下,基于粗集-支持向量机的采空区自然发火预测方法预测精度更高,训练速度更快,为采空区自然发火预测提供了一种新的方法。
- 孟倩王永胜周延
- 关键词：采空区自然发火神经网络
- 煤自燃极限参数的支持向量机预测模型被引量：23
- 2009年
- 建立了基于支持向量机(Support Vector Machine,SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤自燃极限参数预测中具有实用价值.
- 孟倩王洪权王永胜周延
- 关键词：支持向量机人工神经网络
