基于FOA-SVM的煤矿瓦斯爆炸风险模式识别

来源期刊：控制工程2018年第10期

论文作者：谢国民 单敏柱 付华

文章页码：1859 - 1864

关键词：瓦斯爆炸;主成分分析;支持向量机;特征提取;果蝇算法;

摘    要：瓦斯爆炸的过程是一个综合各种因素在内的能量释放的过程,为了能够对瓦斯爆炸进行准确的辨识,文中提出了将主成分分析（Principal Componet Analysis,PAC）和支持向量机（Support Vector Machine,SVM）相结合进行瓦斯爆炸预测。瓦斯爆炸影响因素较多,首先通过PCA进行特征提取,降低特征向量的维数,去除参数间的相关性;然后通过果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）对支持向量机进行全局寻优,避免了过学习的出现。将通过PCA提取的新特征值作为FOA-SVM模型输入,从而实现准确性高的瓦斯爆炸风险模式识别。通过实验仿真表明,文中提出的方法具有识别精度高、推广能力强同时模型简单的特点,对工程实践具有一定的指导作用。