论文部分内容阅读
在煤自燃程度预测方面,基于径向基(RBF)神经网络的方法结构复杂、易陷入局部最优,基于支持向量机(SVM)方法的核函数受Mercer条件限制而对参数敏感,传统的机器学习方法误差较大。针对上述问题,提出了一种基于相关向量机(RVM)的煤自燃预测方法。以易发生煤自燃现象的亭南煤矿为例,模拟煤样自燃升温过程并采集气体浓度与煤自燃温度数据,建立训练样本和测试样本;由训练样本构建RVM模型,得到模型的最优参数;将测试样本代入已训练的RVM模型中,预测煤自燃温度值。与基于RBF神经网络和SVM的煤自燃预测方法进行比较