›› 2015, Vol. 37 ›› Issue (5): 485-489.doi: 10.16507/j.issn.1006-6055.2015.05.004
杨明磊，1 戚旭鹏1 张春华2 郝朝瑜3 姜超2
摘要：
针对目前瓦斯涌出量预测模型存在的局限性及精度低等问题，应用分源预测和支持向量机（SVM）的基本原理，将SVM回归与分源预测法相结合，并利用SVM对回采工作面的瓦斯涌出量进行回归分析和数值模拟，建立了SVM分源预测的数学模型，提出了SVM分源预测的新方法。数值实验表明，将训练成功的SVM模型对现场数据进行回归预测并对比预测结果与实际值发现，SVM比BP神经网络预测精度更高，训练样本期望输出与实际值的最大相对误差为1.45%，小于实际要求的5%，准确率较高，预测风险低，可以满足实际要求。
中图分类号:
