矿井淋水井筒风温PSO-SVR预测方法.docx

? ? 矿井淋水井筒风温PSO-SVR预测方法 ? ? 高佳南　吴奉亮　马砺　贺雁鹏 Summary：礦井进风井筒风温的准确预测对于井下风流的热计算至关重要。为提高矿井井筒风温预测精度，在结合矿井生产特点和参考有关淋水井筒风温预测研究的基础上，采用粒子群算法（PSO）对支持向量回归（SVR）参数进行优化，建立矿井淋水井筒风温PSO-SVR预测模型，并与利用同样的训练和测试样本建立的常规SVR预测模型和多元线性回归（MLR）预测模型进行比较。结果表明：对于训练和测试样本，MLR预测模型的预测与观测值散点分散于标准线四周，相比于MLR预测模型，常规SVR预测模型的散点较集中于标准线周围，而经过PSO优化后的SVR预测模型的散点均紧密分布在标准线附近，说明PSO-SVR预测模型具有更好的预测精度，更强的泛化性;MLR预测模型、常规SVR预测模型和PSO-SVR预测模型的测试样本预测结果的平均绝对百分比误差分别为3.43%，1.27%和0.37%，常规SVR预测模型较MLR预测模型的预测结果改进比约63%，PSO-SVR预测模型较常规SVR预测模型的预测结果改进比约71%，表明PSO-SVR预测模型的预测效果显著优于MLR预测模型和常规SVR预测模型，该模型适用于矿井淋水井筒风温的预测。 Key：淋水井筒;风温预测;粒子群优化算法;支持向量回归 ：TD 727文献标志码：A ：16