基于WT-KPCA-SVR耦合模型的瓦斯涌出量预测方法

摘要

本发明公开了一种基于WT-KPCA-SVR耦合模型的瓦斯涌出量预测方法，包括：首先进行数据准备，采集瓦斯涌出量监测数据及相应的因素，利用小波变换提取瓦斯涌出量子序列，分离出趋势项子序列和波动项子序列；利用灰色关联分析法确定各子序列的影响因素，对各子序列影响因素进行核主成分降维，重构各子序列的主成分；然后以各子序列的重构主成分与瓦斯涌出量各子序列值组成样本集，利用训练样本分别建立趋势项子序列和波动项子序列的支持向量机回归模型，将两个模型进行合成，得到瓦斯涌出量最终预测模型，利用检验样本进行模型精度检验，检验合格则可应用模型。本发明设计原理可靠，预测方法简单，预测精度高，预测环境友好。

主权项

一种基于WT‑KPCA‑SVR耦合模型的瓦斯涌出量预测方法，其特征是，包括以下步骤：(1)数据准备：采集瓦斯涌出量监测数据及相应的因素；(2)利用小波变换提取瓦斯涌出量子序列：利用Mallat算法对瓦斯涌出量监测数据进行小波分解，分离出趋势项子序列和波动项子序列；(3)利用灰色关联分析法确定各子序列的影响因素；(4)对各子序列影响因素进行核主成分降维，重构各子序列的主成分；(5)建立支持向量机回归模型的样本集：以各子序列的重构主成分与瓦斯涌出量各子序列值组成样本集，并选取30％的样本作为检验样本，其余的样本作为训练样本；(6)建立支持向量机回归模型：利用训练样本分别建立趋势项子序列和波动项子序列的支持向量机回归模型，将两个模型进行合成，得到瓦斯涌出量最终预测模型；(7)模型精度检验：将检验样本输入建立的支持向量机回归模型，即得瓦斯涌出量的最终预测值，若预测相对误差＜10％，则建立的模型可靠，可用来预测瓦斯涌出量，若预测相对误差≥10％，则需重新进行核主成分降维；(8)模型应用：利用建立的瓦斯涌出量预测模型对瓦斯涌出量进行预测。