期刊文献+

IAPSO-LSSVM下的煤炭开采成本预测模型 被引量:1

Coal mining cost prediction model based on IAPSO-LSSVM
原文传递
导出
摘要 为提高最小二乘支持向量机(LSSVM)预测模型的精度,准确预测煤炭开采成本.利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找LSSVM最优的惩罚因子r和高斯核函数的半径σ,提出一种IAPSO-LSSVM预测算法.在分析影响煤炭开采成本的空间因素、时间因素和定性因素的基础上,构建基于IAPSO-LSSVM的煤炭开采成本预测模型,并以TF煤业集团数据进行仿真实验.结果表明:与LSSVM、PSO-LSSVM算法相比,该模型预测效果更好. In order to improve the prediction accuracy of least squares support vector machine (LSSVM) model, this paper used the global search ability of improved adaptive particle swarm optimization (IAPSO), searched the most optimal r and σ, and put forward a IAPSO-LSSVM prediction algorithm. According to the factors affecting the coal mining cost, spatial, temporal factors and qualitative factors, this study established the coal mining cost forecasting model based on IAPSO-LSSVM and carried out the simulation experiment with the data of TF coal mining group. The results show that the proposed model is better than the LSSVM and PSO-LSSVM method.
出处 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2017年第5期554-560,共7页 Journal of Liaoning Technical University (Natural Science)
基金 国家科技支撑计划(2013BAH12F01)
关键词 煤炭开采成本 最小二乘支持向量机 粒子群算法 成本预测 模型改进 coal mining cost LSSVM particle swarm optimization prediction
  • 相关文献

参考文献15

二级参考文献139

共引文献2565

同被引文献13

引证文献1

二级引证文献4

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部