文献

J-GLOBAL ID：201802252233199351   整理番号：18A0652430

PSO-LSSVMアルゴリズムに基づく地下ガス貯留層における発破振動の予測についての実験結果に基づき,予測モデルを開発した。【JST・京大機械翻訳】

Blasting Vibration Prediction of Underground Gas Storage Caverns based on PSO-LSSVM Algorithm

著者 (5件)： Sun Miao (中国地質大学(武漢)岩土鑽掘与防護教育部工程研究中心,武漢 430074;中国地質大学(武漢)工程学院,武漢 430074) ,  Wu Li (中国地質大学(武漢)岩土鑽掘与防護教育部工程研究中心,武漢 430074;中国地質大学(武漢)工程学院,武漢 430074) ,  Yuan Qing (中国地質大学(武漢)岩土鑽掘与防護教育部工程研究中心,武漢 430074;中国地質大学(武漢)工程学院,武漢 430074;中交第二航務工程局有限公司 博士后科研工作站,武漢 430014) ,  Zhou Yuchun (中国地質大学(武漢)岩土鑽掘与防護教育部工程研究中心,武漢 430074;中国地質大学(武漢)工程学院,武漢 430074) ,  Ma Chenyang (中国地質大学(武漢)岩土鑽掘与防護教育部工程研究中心,武漢 430074;中国地質大学(武漢)工程学院,武漢 430074)
資料名： Baopo  (Baopo)
巻： 34  号： 3  ページ： 145-150  発行年： 2017年 
JST資料番号： C2872A  ISSN： 1001-487X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多くの影響因子に関して,超小型断面における地下のガス貯留層における坑井掘削は,従来の人工知能方法によって正確に予測することができなかった。予測精度を改善するために,粒子群最適化(PSO)アルゴリズムを導入して,従来の最小二乗サポートベクトルマシン(LS-SVM)モデルを最適化して,粒子群最小二乗サポートベクトルマシンのピーク振動速度予測モデル(PSO-LSSVM)を確立した。PSO-LSSVMモデルを用いて,PSO-LSSVMモデルとLS-SVMモデルの間の予測結果を比較することによって,3つの予測結果の平均絶対相対誤差は,ある種のガス貯留層を有する掘削室において,それぞれ,以下の結果を得た: 2つのモデルによって得た結果を比較した。5.50%,8.56%,23.45%であった。これにより、PSO-LSSVMモデルの予測結果と実測データの適合度がより高く、精度がより工学的要求を満たし、多因子作用下での類似工程の爆発ピーク振動速度予測に参考を提供できることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 坑井掘削 ,  *予測 ,  最適化 ,  人工知能 ,  *アルゴリズム ,  *予測モデル ,  *ガス層
準シソーラス用語： 適合度 ,  相対誤差 ,  振動速度 ,  最小二乗-サポートベクトルマシン ,  粒子群最適化 ,  予測精度 ,  影響因子 ,  *発破振動 , 【Automatic Indexing@JST】

著者キーワード (5件)： underground gas storage caverns ,  least squares support vector machine ,  particle swarm optimiza-tion ,  peak blasting vibration velocity ,  influence factors

分類 (3件)： 燃料電池  (YB04040V) ,  動物性水産食品  (FJ13020C) ,  食品の変質  (FJ01052Y)

タイトルに関連する用語 (8件)： アルゴリズム ,  地下 ,  ガス貯留層 ,  発破振動 ,  予測 ,  実験結果 ,  予測モデル ,  開発