文献

J-GLOBAL ID：202202278693048510   整理番号：22A0841298

改良型人工蜂コロニーアルゴリズムと加重最小二乗サポートベクトルマシン(IABC-WLSSVM)のガス排出量予測モデルに関する研究【JST・京大機械翻訳】

Research on the Gas Emission Quantity Prediction Model of Improved Artificial Bee Colony Algorithm and Weighted Least Squares Support Vector Machine (IABC-WLSSVM)

著者 (4件)： Wang Lei (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, 454003 Henan, China) ,  Li Jinghang (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, 454003 Henan, China) ,  Zhang Wenbo (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, 454003 Henan, China) ,  Li Yu (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo, 454003 Henan, China)
資料名： Applied Bionics and Biomechanics (Web)  (Applied Bionics and Biomechanics (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7678A  ISSN： 1176-2322  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 作業面のガス放出をさらに正確に予測するために,本論文は,改良人工ハチコロニーアルゴリズムと加重最小二乗法サポートベクトルマシン(IABC-WLSSAVM)の組合せに基づく作業面のガス放出の予測モデルを提案した。研究ステップは以下の通りである。最初に,LSSVMのスパース解を得るために,誤差値を重み付けすることによって,より信頼できる予測モデルを実現した。第2に,カオスシーケンスを人工ハチコロニーアルゴリズムに導入して,より良い初期蜂蜜源を見つけて,母集団の多様性を増やして,Levy飛行を結合して,探索ステップを更新して,局所最適のトラップへの落下を避けた。同時に,改良人工ハチコロニーアルゴリズムを用いて,WLSSVMのカーネル幅[数式:原文を参照]と正則化パラメータ[数式:原文を参照]を最適化し,WLSSVMの予測精度と収束速度を改善した。最後に,WLSSVMの定量的解析モデルを最適化パラメータを用いて再構築し,炭層の埋設深さの9つのパラメータ,炭層のガス含有量,石炭厚さ,層間岩石学,作業面の生産速度,作業面の長さ,炭層の傾斜,隣接層のガス含有量,および隣接層の厚さを主な影響因子として用いた。正規化の後,ガス放出の非線形予測モデルを確立した。決定係数,二乗平均平方根誤差,および平均相対分散の3つの指標に基づくシミュレーション結果は,本論文で提案したIABC-WLSSVM予測モデルが全体的最適解を得るために局所最適化を克服するだけではなく,また,より速い収束速度とより高い予測精度を有することを示した。この予測モデルは,適合,精度および一般化能力に関して,他の3つの改良予測モデルと比較して,明白な利点を持ち,そしてそれは,複雑な因子の下で,石炭採掘顔におけるガス放出の予測に対して,信頼できる理論的基礎を提供することができ,そして,インテリジェント鉱山の構築における人工知能の応用に対する新規アイデアを提案した。同時に,予測モデルは他の分野にも適用可能である。Copyright 2022 Lei Wang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  シミュレーション ,  石炭 ,  蜂蜜 ,  人工知能 ,  炭層 ,  *モデル ,  パラメータ ,  カオス ,  正規化 ,  *予測モデル ,  *サポートベクトルマシン
準シソーラス用語： 最適解 ,  収束速度 ,  予測精度 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (25件)：

• M. J. You, S. Li, D. W. Li, S. C. Xu, "Applications of artificial intelligence for coal mine gas risk assessment," Safety Science, vol. 143, pp. 105420, 2021.
• Y. G. Yang, Y. L. Mu, H. Y. Qin, "Research on time series characteristics of gas concentration at working face and application of them to early warning," China Safety Science Journal, vol. 28, no. 3, pp. 120-125, 2018.
• Y. Zeng, C. F. Wu, "Research on fuzzy fractal neural network for prediction of mine gas emission," Coal Science & Technology Magazine, vol. 32, no. 1, pp. 62-65, 2004.
• S. S. Zhu, Y. J. Wang, L. J. Wei, "Gas monitoring warning signal identification based on time series similarity measure," Journal of China University of Mining & Technology, vol. 41, no. 3, pp. 474-480, 2012.
• H. Jeevith, B. Rokseth, "Applications of machine learning methods for engineering risk assessment - A review," Safety Science, vol. 122, no. 2, 2020.

タイトルに関連する用語 (6件)： 人工蜂コロニーアルゴリズム ,  加重 ,  最小二乗サポートベクトルマシン ,  排出量 ,  予測モデル ,  研究