Time-series gas prediction model using LS-SVR within a Bayesian framework

• 作 者: Qiao Meiying Ma Xiaoping Lan ]
• 机 构: SchoolofInformationandElectricalEngineering,SchoolofElectricalEngineeringandAutomation,SchoolofEnerg
• 出 处: 矿业科学技术：英文版
• 发表日期: 2011年1期
• 关键词: 时间序列预测模型 贝叶斯推论 SVR LS 框架 支持向量回归 瓦斯突出矿井 模型参数 Bayesian framework LS-SVR Time-serie
• 基金项目: AcknowledgmentsThe authors would like to thank to Liu Yanwei for providing the gas time-series data. The authors thank Guo Xiaohui and Peng Hongxing for providing ideas and help during the writing of

传统的最少的广场支持向量回归(LS-SVR ) 当模特儿，用决定规则化参数和核参数的生气确认，是费时间的。我们建议一个贝叶斯的证据框架推断 LS-SVR 模型参数。三个层次贝叶斯的推论被用来决定模型参数，规则化超和调子由模型比较的原子参数。在这个基础上，我们建立了预报模型的贝叶斯的 LS-SVR 时间系列气体并且为算法提供步。Hebi 的煤气的爆发数据第 10 矿工作脸被用来验证模型。时间系列的最佳的嵌入尺寸和延期时间被最小的微分熵方法获得。在 MATLAB7.1 环境以内，最后，我们使用了实际的煤气体数