煤炭工程

作者：吕文玉,王海金,伍永平,杜旭峰,贺雁鹏,贾栋栋

单位：1. 西安科技大学能源学院；2. 西安科技大学；3. 小保当煤矿；

关键词：支持向量机,粒子群,神经网络,周期来压,灰度理论,

为了准确预测综采工作面基本顶周期来压规律，采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素。针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题，建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型。试验结果得出：PSO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7%、74.3%，决定系数分别提升为45.7%、44.6%。为突显PSO-SVR模型性能的优越性，与应用最广泛的BP普通神经网络进行了对比试验，粒子群算法对标准支持向量机模型性能优化效果明显，较普通BP神经网络优势显著。可见，PSO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性。

来源：2022年第4期

《煤炭工程》期刊编辑部

查看煤炭工程杂志2022年第4期