基于最小二乘支持向量机的瓦斯涌出量预测控制

发布时间：2017-10-20 03:21

  本文关键词：基于最小二乘支持向量机的瓦斯涌出量预测控制

  更多相关文章： 瓦斯涌出量 智能预测 最小二乘支持向量机 核函数参数寻优 MATLAB GUI

【摘要】：在矿井通风设计、瓦斯抽放工程设计、瓦斯防治工作中,瓦斯涌出量预测是必不可少的环节。预测的精度直接影响到煤矿生产的正常进行。长期以来,许多学者对瓦斯浓度预测进行了大量的研究,并提出了许多有效的方法。本文在充分学习和研究一些经典预测方法和当前热点预测方法的基础上,建立了基于最小二乘支持向量机的预测模型,研究结果说明,与经典方法相比,基于最小二乘支持向量机的预测模型具有更好的预测效果和更好的泛化性能。 本文在总结经典预测方法的基础上,运用分源预测法的理论,选取了采煤工作面的开采煤层、临近煤层、采空区三个区域分别进行研究,并针对三个不同的区域分别选取了不同的瓦斯涌出量的影响因子集。 在深入研究支持向量机和最小二乘支持向量机理论的基础上,本文建立基于最小二乘支持向量机的瓦斯涌出量预测模型,选用径向基核函数作为核函数,用自调节网格搜索法进行核函数参数的寻优,并用MATLAB仿真,进行了实例分析,测试模型的准确性。 选取机器学习方法中比较经典的人工神经网络方法对同一实际测量数据进行预测对比,通过误差分析表明,LSSVM预测模型的预测精度明显高于BP人工神经网络的模型。证明了最小二乘支持向量机理论应用于瓦斯涌出量预测具有良好的预测性能和泛化性能,证明了该理论的合理性和优越性。 最后,结合煤矿需要实时进行瓦斯涌出量预测的实际,运用MTTLAB的GUI功能设计编制了基于最小二乘支持向量机的瓦斯涌出量预测软件,便于该理论的实际应用,界面友好,使用方便。
【关键词】：瓦斯涌出量 智能预测 最小二乘支持向量机 核函数参数寻优 MATLAB GUI
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD712.5
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 引言9-10
• 1.2 国内外研究现状10-13
• 1.2.1 基于人工神经网络的预测方法10-11
• 1.2.2 基于模糊理论的预测方法11
• 1.2.3 基于灰色理论的预测方法11-12
• 1.2.4 基于支持向量机的研究方法12-13
• 1.3 主要研究工作13-15
• 第二章 最小二乘支持向量机理论15-31
• 2.1 统计学习理论15-19
• 2.1.1 机器学习问题15-17
• 2.1.2 VC维理论17
• 2.1.3 推广性的界17-18
• 2.1.4 结构风险最小化18-19
• 2.2 支持向量机理论19-26
• 2.2.1 回归分析简介19-20
• 2.2.2 支持向量机回归的基本思想20
• 2.2.3 标准SVM回归算法20-22
• 2.2.4 LSSVM回归算法22-24
• 2.2.5 核函数的选择24-25
• 2.2.6 参数的选择方法25-26
• 2.3 MATLAB工具箱的分类和功能26-28
• 2.3.1 SVM工具箱简介26-27
• 2.3.2 LSSVM工具箱简介27-28
• 2.4 小结28-31
• 第三章 基于最小二乘支持向量机的瓦斯涌出量预测模型的建立31-39
• 3.1 煤层瓦斯形成和赋存31-32
• 3.2 瓦斯涌出量的影响因素32-35
• 3.2.1 自然因素33
• 3.2.2 开采技术因素33-35
• 3.3 瓦斯涌出量影响因子的选取35-37
• 3.4 预测模型的建立37-38
• 3.4.1 瓦斯涌出量预测的步骤37-38
• 3.4.2 建模基本流程38
• 3.5 小结38-39
• 第四章 瓦斯涌出量预测实例分析39-55
• 4.1 基于LSSVM的瓦斯涌出量预测39-46
• 4.1.1 开采煤层瓦斯涌出量预测39-42
• 4.1.2 邻近煤层瓦斯涌出量预测42-44
• 4.1.3 采空区瓦斯涌出量预测44-46
• 4.2 基于BP人工神经网络的瓦斯涌出量预测46-53
• 4.2.1 人工神经网络的原理和运行机制46-48
• 4.2.2 基于BP人工神经网络的瓦斯涌出量预测建模48-50
• 4.2.3 开采煤层瓦斯涌出量预测50-51
• 4.2.4 临近煤层瓦斯涌出量预测51-52
• 4.2.5 采空区瓦斯涌出量预测52-53
• 4.3 瓦斯涌出量预测结果分析53-54
• 4.4 小结54-55
• 第五章 基于GUI的LSSVM瓦斯涌出量预测软件55-65
• 5.1 软件编制环境简介55-58
• 5.1.1 MATLAB图形用户界面平台简介55-56
• 5.1.2 图形界面创建工具GUIDE简介56-58
• 5.2 软件实现的功能58
• 5.3 软件使用说明58-64
• 5.4 小结64-65
• 第六章 总结与展望65-67
• 6.1 总结65-66
• 6.2 展望66-67
• 参考文献67-71
• 致谢71-72
• 攻读学位期间发表的学术论文72

【参考文献】

中国期刊全文数据库 前5条

1 李方方;赵英凯;颜昕;;基于Matlab的最小二乘支持向量机的工具箱及其应用[J];计算机应用;2006年S2期

2 唐朝伟;何国田;徐昌彪;赵丽娟;;神经网络在采煤工作面瓦斯涌出量预测中的应用[J];计算机应用;2007年S2期

3 刘星魁;谢金亮;;煤矿安全生产现状及对策探讨[J];煤炭技术;2008年01期

4 杨敏;汪云甲;程远平;;煤与瓦斯突出预测的改进差分进化神经网络模型研究[J];中国矿业大学学报;2009年03期

5 孙斌;;瓦斯涌出量灰色预测[J];中国煤炭;2007年08期

，

本文编号：1064968