矿井淋水井筒风温PSO-SVR预测方法

矿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.