基于KPCA Fisher判别分析的煤炭自燃预测研究

为了提高煤炭自燃危险性预测精度,提出了基于KPCA-Fisher判别分析的煤炭自燃预测模型。利用核主成分分析法(KPCA)对相关程度较高的特征指标进行非线性特征提取,将提取出的主成分作为Fisher判别模型的判别因子。选取宣东2号煤矿煤炭自燃的历史数据,以3∶1的比例抽取训练集和测试集并代入该模型进行训练和测试,并将预测结果与传统的FDA、SVM和BPNN模型相比较。结果表明:KPCA能有效提取煤炭自燃特征指标,降低指标间信息冗余,基于KPCA的Fisher判别模型用于煤炭自燃预测简单可行,准确率较高。