简介:采煤工作面的液压支架是承受顶板压力的主体结构,选择支架的主要根据是其将要承受的周期来压荷载。为预测周期来压,构建了基于小波和混沌优化的最小二乘支持向量机(LSSVM)方法。该方法利用小波分解技术将所选的样本集数据分解成不同频率的分量,基于混沌理论对分量相空间进行重构。各重构分量分别使用LSSVM模型进行训练,其中LSSVM预测模型的参数由混沌粒子群算法进行优化。最后,将各LSSVM模型得到的预测分量进行小波重组得到完整的周期来压荷载预测波形。通过在重构时的计算发现,在某周期下,荷载的时序序列有一定的混沌性。与其他3种模型进行比较,基于小波和混沌优化LSSVM的预测模型得到的最终荷载波的精度更高,收敛性也较好。
简介:基于傅里叶变换红外光谱技术,选取低浓度的CO、CO2、NO、NO2、SO2、HCI、HBr、HCN8种典型有毒有害气体进行定量分析。经过合理选择光谱区间、数据预处理、样本筛选以及确定模型参数后,建立PLS回归模型,并对模型回归曲线进行多项式修正。模型中各组分实际浓度与预测浓度的拟合回归系数达到0.99,校正集误差均方根SRMSEC低于15×10^-6。利用验证集对模型的预测性能进行检验,样本各组分的预测浓度误差小于满量程的±2%,各组分的预测误差均方根SRMSEP不超过20×10^-6。