最小二乘支持向量机与Kalman滤波耦合的瓦斯涌出量动态预测模型

来源：计算机应用杂志2015年第1期北京时间：

作者：付华, 訾海

单位：辽宁工程技术大学 电气与控制工程学院, 辽宁 葫芦岛125105

摘要：针对瓦斯涌出量的多影响因素预测问题,提出一种最小二乘支持向量机(LS-SVM)回归算法与卡尔曼滤波耦合的动态预测方法.该方法依据预测残差方差比检验策略确定自适应的动态训练样本集以取代固定的训练样本集.LS-SVM辨识网络对瓦斯涌出量的相关因素进行非线性映射并提取出最佳维数的状态向量以建立基于卡尔曼滤波最优估计的瓦斯涌出量预测模型.利用矿井监测到的各项历史数据进行实验.结果表明,该模型的预测平均相对误差为2.17%,平均相对变动值ARV为0.008873,相比单一的神经网络或支持向量机预测模型,具有更高的预测精度与更强的泛化能力.

关键词：非线性,动态训练样本集,最小二乘支持向量机,卡尔曼滤波,瓦斯涌出量

基金资助：国家自然科学基金资助项目(51274118);辽宁省教育厅基金资助项目(L2012119);辽宁省科技攻关项目(2011229011).