留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于遗传算法优化的LS-SVM井下场强预测

王安义 郗茜

王安义,郗茜.基于遗传算法优化的LS-SVM井下场强预测[J].工矿自动化,2016,42(12):46-50..  doi: 10.13272/j.issn.1671-251x.2016.12.010
引用本文: 王安义,郗茜.基于遗传算法优化的LS-SVM井下场强预测[J].工矿自动化,2016,42(12):46-50..  doi: 10.13272/j.issn.1671-251x.2016.12.010
WANG Anyi, XI Xi. Forecasting of underground field intensity based on LS-SVM optimized by genetic algorithm[J]. Industry and Mine Automation, 2016, 42(12): 46-50. doi: 10.13272/j.issn.1671-251x.2016.12.010
Citation: WANG Anyi, XI Xi. Forecasting of underground field intensity based on LS-SVM optimized by genetic algorithm[J]. Industry and Mine Automation, 2016, 42(12): 46-50. doi: 10.13272/j.issn.1671-251x.2016.12.010

基于遗传算法优化的LS-SVM井下场强预测

doi: 10.13272/j.issn.1671-251x.2016.12.010
基金项目: 

陕西省自然科学基础研究计划资助项目(S2015YFJM1734)

详细信息
  • 中图分类号: TD655

Forecasting of underground field intensity based on LS-SVM optimized by genetic algorithm

  • 摘要: 为了进一步研究井下电波传播损耗规律,提高场强覆盖预测准确度,提出使用基于遗传算法优化的最小二乘支持向量机方法对井下巷道的场强进行预测。首先通过软件仿真生成巷道场强数据,并将数据分为训练集和测试集;然后采用最小二乘支持向量机方法对训练集进行学习,并使用遗传算法对最小二乘支持向量机方法的参数选择进行优化,采用测试集对方法性能进行验证;最后将基于遗传算法优化的最小二乘支持向量机方法用于井下巷道的场强预测。仿真实验结果表明,基于遗传算法优化的最小二乘支持向量机方法能够有效提高井下场强预测的精度,可获得较好的预测效果。

     

  • 加载中
计量
  • 文章访问数:  39
  • HTML全文浏览量:  8
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 刊出日期:  2016-12-10

目录

    /

    返回文章
    返回