1. <menuitem id="m63kj"></menuitem>
        <tbody id="m63kj"><div id="m63kj"></div></tbody>
        <bdo id="m63kj"></bdo>
      2. <tbody id="m63kj"><div id="m63kj"></div></tbody>
        1. <menuitem id="m63kj"><dfn id="m63kj"><delect id="m63kj"></delect></dfn></menuitem>
            您當前所在位置: 首頁 > 首發論文
            動態公開評議須知

            1. 評議人本著自愿的原則,秉持科學嚴謹的態度,從論文的科學性、創新性、表述性等方面給予客觀公正的學術評價,亦可對研究提出改進方案或下一步發展的建議。

            2. 論文若有勘誤表、修改稿等更新的版本,建議評議人針對最新版本的論文進行同行評議。

            3. 每位評議人對每篇論文有且僅有一次評議機會,評議結果將完全公示于網站上,一旦發布,不可更改、不可撤回,因此,在給予評議時請慎重考慮,認真對待,準確表述。

            4. 同行評議僅限于學術范圍內的合理討論,評議人需承諾此次評議不存在利益往來、同行競爭、學術偏見等行為,不可進行任何人身攻擊或惡意評價,一旦發現有不當評議的行為,評議結果將被撤銷,并收回評審人的權限,此外,本站將保留追究責任的權利。

            5. 論文所展示的星級為綜合評定結果,是根據多位評議人的同行評議結果進行綜合計算而得出的。

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            勘誤表

            上傳勘誤表說明

            • 1. 請按本站示例的“勘誤表格式”要求,在文本框中編寫勘誤表;
            • 2. 本站只保留一版勘誤表,每重新上傳一次,即會覆蓋之前的版本;
            • 3. 本站只針對原稿進行勘誤,修改稿發布后,不可對原稿及修改稿再作勘誤。

            示例:

            上傳后印本

            ( 請提交PDF文檔 )

            * 后印本是指作者提交給期刊的預印本,經過同行評議和期刊的編輯后發表在正式期刊上的論文版本。作者自愿上傳,上傳前請查詢出版商所允許的延緩公示的政策,若因此產生糾紛,本站概不負責。

            發郵件給 王小芳 *

            收件人:

            收件人郵箱:

            發件人郵箱:

            發送內容:

            0/300

            論文收錄信息

            論文編號 202109-62
            論文題目 基于特征拓展的回采工作面瓦斯涌出量預測
            文獻類型
            收錄
            期刊

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            年, 卷(

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            書名(中文)

            書名(英文)

            出版地

            出版社

            出版年

            上傳封面

            編者.論文集名稱(中文) [c].

            出版地 出版社 出版年, -

            編者.論文集名稱(英文) [c].

            出版地出版社 出版年,-

            上傳封面

            期刊名稱(中文)

            期刊名稱(英文)

            日期--

            在線地址http://

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            上傳封面

            文題(中文)

            文題(英文)

            出版地

            出版社,出版日期--

            英文作者寫法:

            中外文作者均姓前名后,姓大寫,名的第一個字母大寫,姓全稱寫出,名可只寫第一個字母,其后不加實心圓點“.”,

            作者之間用逗號“,”分隔,最后為實心圓點“.”,

            示例1:原姓名寫法:Albert Einstein,編入參考文獻時寫法:Einstein A.

            示例2:原姓名寫法:李時珍;編入參考文獻時寫法:LI S Z.

            示例3:YELLAND R L,JONES S C,EASTON K S,et al.

            上傳修改稿說明:

            1.修改稿的作者順序及單位須與原文一致;

            2.修改稿上傳成功后,請勿上傳相同內容的論文;

            3.修改稿中必須要有相應的修改標記,如高亮修改內容,添加文字說明等,否則將作退稿處理。

            4.請選擇DOC或Latex中的一種文件格式上傳。

            上傳doc論文   請上傳模板編輯的DOC文件

            上傳latex論文

            * 上傳模板導出的pdf論文文件(須含頁眉)

            * 上傳模板編輯的tex文件

            回復成功!


            • 0

            基于特征拓展的回采工作面瓦斯涌出量預測

            首發時間:2021-09-29

            付天予 1   

            付天予(2000-),男,本科生,主要研究方向:安全系統工程,礦井災害防治

            馬恒 1   

            馬恒(1972-),男,教授,博導,主要研究方向:礦井通風安全

            張軍偉 1   

            張軍偉(1999-),男,本科生,主要研究方向:礦井災害防治

            • 1、遼寧工程技術大學安全科學與工程學院,葫蘆島,125105

            摘要:為提高小樣本數據下礦井瓦斯涌出量預測精度,建立了基于小樣本數據下特征拓展的礦井瓦斯涌出量PCA-PSO-SVM預測模型。首先利用多項式特征拓展對指標進行升維,接著采用主成分分析(PCA)提取拓展后的主成分,避免了過擬合現象,并作為支持向量機(SVM)的輸入參數,礦井瓦斯涌出量作為SVM輸出參數,最后利用粒子群算法(PSO)對SVM的初始參數進行優化。選取某礦井不同煤層多個回采工作面,采用26組數據作為訓練樣本,進而利用訓練好的模型對余下6組數據進行預測,將結果與PSO-SVM,PAC-PSO-SVM,PF-PSO-SVM模型進行對比。結果表明:在小樣本數據集下,本文所構建的PF-PCA-PSO-SVM模型在預測精度方面優于其他三種模型。

            關鍵詞: 粒子群算法 特征拓展 支持向量機 主成分分析 瓦斯涌出量預測

            For information in English, please click here

            Prediction of gas emission in mining face based on feature expansion

            FU Tianyu 1   

            付天予(2000-),男,本科生,主要研究方向:安全系統工程,礦井災害防治

            MA Heng 1   

            馬恒(1972-),男,教授,博導,主要研究方向:礦井通風安全

            ZHANG Junwei 1   

            張軍偉(1999-),男,本科生,主要研究方向:礦井災害防治

            • 1、College of Safety Science and Engineering,Liaoning Technology University, Huludao 125105,China

            Abstract:To improve the prediction accuracy of mine gas emission rate under small sample data, a PCA-PSO-SVM predictive model for mine gas emission rate based on feature expansion under small sample data was established. Firstly, the dimension of indexes was increased using polynomial feature expansion. Additionally, the extended principal component was extracted by principal component analysis (PCA) to avoid over-fitting. It was used as the input parameter of support vector machine (SVM), and the mine gas emission rate as the output parameter of SVM. Finally, the initial parameters of SVM were optimized using particle swarm optimization (PSO). Further, multiple working faces were selected from different coal seams of a mine. Twenty-six groups of data were used as training samples, and the rest 6 groups of data were predicted using the trained model. The results were compared with PSO-SVM, PAC-PSO-SVM and PF-PSO-SVM models. The results showed that in small sample data set, the prediction accuracy of the PF-PCA-PSO-SVM model established in this study was higher than that of the other three models.

            Keywords: particle swarm optimization feature expansion support vector machine principal component analysis prediction of gas emission

            Click to fold

            點擊收起

            論文圖表:

            引用

            導出參考文獻

            .txt .ris .doc
            付天予,馬恒,張軍偉. 基于特征拓展的回采工作面瓦斯涌出量預測[EB/OL]. 北京:中國科技論文在線 [2021-09-29]. http://www.fightingvitiligo.com/releasepaper/content/202109-62.

            No.****

            動態公開評議

            共計0人參與

            動態評論進行中

            評論

            全部評論

            0/1000

            勘誤表

            基于特征拓展的回采工作面瓦斯涌出量預測

            少妇人妻好深太紧了