基于K-CV参数优化的SVR煤炭含碳量预测

作者：王子铭; 金光

来源：南阳理工学院学报, 2020, 12(06): 64-68.

DOI：10.16827/j.cnki.41-1404/z.2020.06.011

• 含碳量
• K-fold Cross Validation
• 支持向量回归
• 预测

煤炭的含碳量是衡量煤质的重要指标,传统的检测方法操作复杂、成本高,现有的预测模型精度有待进一步提高,为解决上述问题,提出一种基于K-fold Cross Validation (K-CV)参数优化的支持向量回归(SVR)预测模型。以煤炭质量检测中心提供的80组原始数据作为实验对象,选取其中的50组作为训练集,剩余的30组作为测试集。以训练集作为K-CV方法的样本数据寻找最优参数,以最优参数为基础建立SVR预测模型,并通过测试集对模型进行验证,结果表明含碳量预测的平均相对误差达到0.38%,该模型预测精度较高,具有良好的泛化性能。

• 单位
  郑州铁路职业技术学院