煤与瓦斯突出预测的QGA-LSSVM模型

发布时间：2018-04-14 01:20

  本文选题：煤与瓦斯突出 + 突出预测　； 参考：《中国安全生产科学技术》2015年05期

【摘要】：为快速、有效地对煤与瓦斯突出类型作出预测,运用灰色关联和因子分析模型对所选主要的判别指标进行分析提取,利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数作寻优处理,最终建立QGA-LSSVM煤与瓦斯突出预测模型。选取从砚石台矿区历史实测的数据,以96∶20的比例对该模型进行训练与测试,并将预测结果与其他预测模型的预测效果进行了比较。研究结果表明:对判别指标进行灰色关联分析可以有效去除对煤与瓦斯突出影响作用小的指标;用因子分析进行公共因子提取,可以有效减少数据信息冗余;利用QGA优化的LSSVM模型能使结果避免陷入局部最优解,用该模型可以有效预测煤与瓦斯突出类型,误判率为0。
[Abstract]:For fast, effective forecast of coal and gas outburst type, using the grey correlation analysis and factor model of the selected indexes mainly analyzed and extracted, using quantum genetic algorithm (QGA) of the least squares support vector machine (LSSVM) for the parameter optimization process, finally establish the prediction model of coal and gas outburst QGA-LSSVM. Select from the historical data of Shitai mining area ", with 96: 20 ratio of the model was trained and tested, and the effect of prediction results with other prediction model were compared. The results show that: the method of grey relational analysis can effectively remove the effects of the parameters influence on coal and gas outburst of discrimination index; public factors extracted by factor analysis, can effectively reduce the data redundancy; using LSSVM QGA optimization model can make the results to avoid falling into local optimal solution, the model can be used Effect prediction of coal and gas outburst type, the rate of misjudgment is 0.

【作者单位】： 辽宁工程技术大学系统工程研究所;
【基金】：国家自然科学基金项目(713711091) 辽宁省教育厅基金项目(L14BTJ004) 山东省自然科学基金项目(ZR2010FL012) 校企调研基金资助(SCDY2012018)
【分类号】：TD713

【参考文献】

相关期刊论文 前10条

1 张有狮;王志军;张瑞林;;GIS支持下基于非线性理论的煤与瓦斯突出综合预测模型[J];安全与环境学报;2012年06期

2 王超;宋大钊;杜学胜;张振国;朱栋;杨道伟;;煤与瓦斯突出预测的距离判别分析法及应用[J];采矿与安全工程学报;2009年04期

3 孙燕;杨胜强;王彬;褚廷湘;;用灰关联分析和神经网络方法预测煤与瓦斯突出[J];中国安全生产科学技术;2008年03期

4 赵鑫;宋广军;李诚;;改进BP神经网络的煤与瓦斯突出预测[J];计算机仿真;2012年06期

5 闫江伟;张小兵;张子敏;;煤与瓦斯突出地质控制机理探讨[J];煤炭学报;2013年07期

6 刘卫宁;靳洪兵;刘波;;基于改进量子遗传算法的云计算资源调度[J];计算机应用;2013年08期

7 苏博;刘鲁;杨方廷;;基于灰色关联分析的神经网络模型[J];系统工程理论与实践;2008年09期

8 高卫东;;Fisher判别法在煤与瓦斯突出危险程度预测中的应用[J];中国安全科学学报;2010年10期

9 付华;许凡;徐耀松;孙朋;;基于变权重RBF组合模型的煤与瓦斯突出强度预测[J];中国安全科学学报;2013年08期

10 温廷新;张波;邵良杉;;矿井突水水源识别的QGA-LSSVM模型[J];中国安全科学学报;2014年07期

【共引文献】

相关期刊论文 前10条

1 张彬彬;曹万林;王海城;张建伟;;延拓小波变换识别的桥梁模态参数研究[J];四川建筑科学研究;2012年03期

2 王尔丹;人群运动与密度估计技术研究[J];安全;2005年03期

3 冯学军;;最小二乘支持向量机的研究与应用[J];安庆师范学院学报(自然科学版);2009年01期

4 周德强;冯建中;;建筑物沉降预测的改进Verhulst模型研究[J];地下空间与工程学报;2011年01期

5 王立平;孔小梅;付梦印;王美玲;张甲文;姜明;;Temperature Drift Modeling of FOG Based on LS-WSVM[J];Journal of China Ordnance;2008年03期

6 王亮;胡静涛;;基于LS-SVM的光刻过程R2R预测控制方法[J];半导体技术;2012年06期

7 田盛丰;基于核函数的学习算法[J];北方交通大学学报;2003年02期

8 薛彦轶;刘晓东;;基于最小二乘支持向量机的航材备件需求建模[J];兵工自动化;2007年06期

9 高博;谭永红;张新良;;基于在线LSSVM的超声波电机转速预测器[J];兵工自动化;2007年09期

10 张丽叶;郑绍钰;;基于LS-SVM的装备研制费用建模与分析[J];兵工自动化;2009年02期

相关会议论文 前10条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年

3 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

4 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年

5 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年

6 ;LS-SVM Based Stable Generalized Predictive Control[A];第二十七届中国控制会议论文集[C];2008年

7 阎纲;梁昔明;龙祖强;李翔;;一种新的提前一步预测控制算法[A];第二十七届中国控制会议论文集[C];2008年

8 孙玉坤;王博;丁慎平;;基于模糊支持向量机的赖氨酸发酵软测量[A];第二十七届中国控制会议论文集[C];2008年

9 ;GA Based LS-SVM Classifier for Waste Water Treatment Process[A];第二十七届中国控制会议论文集[C];2008年

10 柴伟;孙先仿;乔俊飞;;有监督的等距映射和k近邻分类结合用于集员辨识[A];第二十九届中国控制会议论文集[C];2010年

相关博士学位论文 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

3 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年

4 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年

5 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年

6 桑永胜;空间数据分析的神经计算方法[D];电子科技大学;2010年

7 渠瑜;基于SVM的高不平衡分类技术研究及其在电信业的应用[D];浙江大学;2010年

8 包鑫;稳健回归技术及其在光谱分析中的应用[D];浙江大学;2010年

9 甘良志;核学习算法与集成方法研究[D];浙江大学;2010年

10 邵咏妮;水稻生长生理特征信息快速无损获取技术的研究[D];浙江大学;2010年

相关硕士学位论文 前10条

1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年

2 王永周;李子垭井田瓦斯赋存规律与突出预测[D];河南理工大学;2010年

3 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年

4 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年

5 李海清;支持向量机在金融市场预测中的应用[D];辽宁师范大学;2010年

6 李光远;基于在线聚类和最小二乘支持向量机的模糊建模方法研究[D];郑州大学;2010年

7 王巧立;微生物发酵过程的建模与优化控制研究[D];郑州大学;2010年

8 曲昆鹏;基于支持向量机的杂草识别研究[D];哈尔滨工程大学;2010年

9 田向伟;基于参数优化LSSVM在转炉煤气系统预测中的应用[D];大连理工大学;2010年

10 穆大芸;多变量时间序列预测与储备池优化方法研究[D];大连理工大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 宋卫华;张宏伟;;矿井煤与瓦斯突出危险性预测的模式识别研究[J];安全与环境学报;2006年S1期

2 程东全;顾锋;;基于可拓模式识别的煤与瓦斯突出危险性分析[J];安全与环境学报;2012年01期

3 洪露;穆志纯;;免疫遗传算法在BP神经网络中的应用[J];北京科技大学学报;2006年10期

4 郭德勇;李念友;裴大文;郑登锋;;煤与瓦斯突出预测灰色理论-神经网络方法[J];北京科技大学学报;2007年04期

5 郭德勇;范金志;马世志;王仪斌;;煤与瓦斯突出预测层次分析-模糊综合评判方法[J];北京科技大学学报;2007年07期

6 王哲,刘记军,阮宝科;用灰关联分析法和人工神经网络优选达克罗涂液[J];材料保护;2004年06期

7 孙叶;谭成轩;孙炜锋;王瑞江;吴树仁;汪西海;陈群策;;煤瓦斯突出研究现状及其研究方向探讨[J];地质力学学报;2008年02期

8 孙大为;常桂然;李凤云;王川;王兴伟;;一种基于免疫克隆的偏好多维QoS云资源调度优化算法[J];电子学报;2011年08期

9 吴斌;预测煤与瓦斯突出的模糊数学方法探讨[J];煤炭工程师;1991年05期

10 王志辉;舒服华;;改进的支持向量机在煤矿安全评价系统中的应用[J];矿业安全与环保;2007年01期

相关硕士学位论文 前1条

1 朱莉;基于SVM的煤与瓦斯突出预测模型研究[D];西安科技大学;2009年

，

本文编号：1747079