煤自燃极限参数的支持向量机预测模型

建立了基于支持向量机(SupportVectorMachine,SVM)的煤自燃极限参数预测模型；经过与多项式函数及Sigmoid核函数的对比，选用径向基函数作为SVM核函数；提出了一种SVM参数优化的变步长搜索方法，先在一个大区域根据训练样本均方差的值改变参数搜索步长，找到一个性能好的小区域，在这个小区域中应用网格搜索法找到最优参数，可提高参数搜索速度.实验表明，与人工神经网络模型相比，在样本有限的情况下，基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快，说明支持向量机技术在煤自燃极限参数预测中具有实用价值.