《基于双自适应AIS-PSO的瓦斯浓度软测量模型》PDF+DOC
作者:单亚锋,高振彪
单位:中国航天科工集团公司第十七研究所
出版:《计算机仿真》2020年第01期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJZ2020010680
DOC编号:DOCJSJZ2020010689
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于粒子群支持向量机的钢板损伤位置识别》PDF+DOC2017年第10期 张燕君,王会敏,付兴虎,张亦男
《火电厂锅炉烟气氧含量精确测量仿真研究》PDF+DOC2017年第11期 李艳,任锦
《基于粒子群优化相关向量机的无线传感器故障检测》PDF+DOC2010年第13期 吴良海
《CPSO支持向量机红外瓦斯传感器动态补偿》PDF+DOC2016年第03期 柴文光
《基于支持向量机和D-S证据理论的机械故障诊断方法研究》PDF+DOC 王兆涛,罗小平,戴腾飞
《爆发器内壁温度的软测量》PDF+DOC2004年第01期 黄凤良,余永刚
《利用支持向量机补偿温度对光纤光栅传感的影响》PDF+DOC2010年第06期 邵军,刘君华,乔学光,贾振安
《酵母发酵生产谷胱甘肽过程参数的在线软测量》PDF+DOC2009年第03期 卓戎,周涛
《基于改进PSO优化LSSVM的传感器补偿研究》PDF+DOC2013年第05期 刘滔,韩华亭,焦楷哲
《基于信息融合与GA-SVM的煤矿瓦斯浓度多传感器预测模型研究》PDF+DOC2013年第09期 郭瑞,徐广璐
为解决煤矿单传感器瓦斯浓度预测精度不足的问题,将自适应人工免疫系统(AIS)与自适应粒子群(PSO)相结合,建立多参数并行双自适应AIS-PSO算法的瓦斯浓度软测量模型。通过分析煤矿井下环境参数对瓦斯浓度监测的影响,将矿井下温度及风速等环境参数作为软测量模型输入,上隅角瓦斯浓度作为模型输出。利用并行双自适应AIS-PSO算法对最小二乘支持向量机(LS-SVM)的核参数σ和正则化参数γ进行寻优,并与PSO-LSSVM、LS-SVM结果进行对比。结果表明:PSO-LSSVM平均相对误差为5.5083%,LS-SVM平均相对误差为8.6883%,并行双自适应AIS-PSO软测量模型的平均相对误差为2.0165%,最小相对误差为1.194%,与另两种方法相比具有较高的预测精度和泛化能力。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。