基于PSO-RVM的落煤瓦斯涌出量预测

摘要

【目的】为提高落煤瓦斯涌出量预测精度，提出一种粒子群优化算法（particle swarm optimization, PSO）和相关向量机（relevance vector machine, RVM）相结合的落煤瓦斯涌出量预测方法。【方法】通过RVM建立解吸强度与其影响因素之间的非线性映射关系，利用粒子群优化算法对RVM核参数进行寻优，构建基于PSO-RVM的瓦斯解吸强度与时间预测模型，对瓦斯涌出量进行预测。【结果】在相同样本数据集下的实验结果表明：与GA-BP(genetic algorithm-back)神经网络模型和BP神经网络模型相比，PSO-RVM模型对瓦斯涌出量预测结果的平均相对误差和均方根误差仅为1.04%和0.01，决定系数0.995。该模型精度更优、可信度更高，为落煤瓦斯涌出量的预测提供了一种新的方法。

关键词

粒子群优化 / 相关向量机 / 瓦斯涌出量 / 预测模型 / 解吸强度