基于RS-SVM的煤炭自燃预警系统研究及应用

发布时间：2017-03-30 02:04

  本文关键词：基于RS-SVM的煤炭自燃预警系统研究及应用，由笔耕文化传播整理发布。

【摘要】：火灾是影响煤矿生产安全的重大事故之一,而煤炭自燃是形成煤矿火灾的主要原因。如果煤炭自燃能够被准确地预报,不仅能够减少煤矿的经济损失也能保障工人的生命安全,对煤矿的发展具有重大意义。 煤炭自燃预报的方法有很多,本文采用气体分析法来判断煤炭是否具有自燃隐患。煤炭在氧化升温的过程中会释放多种气体,而这些气体的浓度与煤温之间存在非常复杂的非线性关系,很难用一个具体的映射来描述。而且有些气体并不能反映煤炭的自燃特征。为了解决这个问题,本文提出了一种基于粗糙集(Rough Set,简记为RS)-支持向量机(Support Vector Machine,简记为SVM)的煤炭自燃预测模型,通过对煤矿中现有的气样分析决策表进行属性约简,删除冗余信息,确定可以反映煤炭自燃特征的指标气体,并用约简后的决策表进行支持向量机的参数优选；接着通过具体的煤炭升温实验,确认了反映煤炭自燃特征的指标气体,并用实验数据对RS-SVM模型进行训练和测试。 实验结果表明,该模型与未经属性约简的SVM与BP神经网络相比,有更高的准确率,能够为煤炭自燃提供决策依据。 本文的主要研究内容如下： 1.分别采用网格搜索法((Grid Searching)、粒子群算法(Particle Swarm Optimization,简称PSO)和遗传算法(Generation Algorithm,简称GA)进行参数寻优,优化了支持向量机的参数,提高了分类性能； 2.采用安徽理工大学煤炭自燃倾向性测定实验室的仪器进行了煤炭自热模拟实验,采集并分析了相关数据,确定了能够反映煤炭自燃的指标气体,这个结果与属性约简的结果一致；并用实验数据对RS-SVM模型进行训练和测试； 3.采用不同的煤炭自燃预测算法,比对预测的正确率,为RS-SVM模型的可靠性提供了事实依据。
【关键词】：煤炭自燃 粗糙集 支持向量机 网格搜索法 粒子群算法 遗传算法
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD752.2
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-18
• 1.1 研究背景和研究意义10-11
• 1.2 煤炭在空气中自热自燃的相关知识11-13
• 1.3 国内外对煤炭自燃预警技术的研究状况13-17
• 1.3.1 传统的预测方法13-16
• 1.3.2 基于智能算法的预测方法16-17
• 1.4 本论文的主要工作以及章节安排17-18
• 2 RS-SVM煤炭自燃预警模型理论基础18-30
• 2.1 粗糙集理论基础18-20
• 2.1.1 知识与不可分辨关系18-20
• 2.1.2 属性约简20
• 2.2 支持向量机理论基础20-29
• 2.2.0 机器学习模型21-22
• 2.2.1 经验风险最小化原理22-23
• 2.2.2 学习过程的一致性23-24
• 2.2.3 VC维24
• 2.2.4 结构风险最小化原则24-25
• 2.2.5 线性支持向量机25-28
• 2.2.6 非线性支持向量机28-29
• 2.3 RS-SVM用于煤炭自燃预测系统的可行性分析29-30
• 3 火灾预警系统中的属性约简算法30-33
• 3.1 属性约简算法的描述30
• 3.2 属性约简算法在本系统中的应用30-33
• 4 火灾预警系统中支持向量机的参数选取33-39
• 4.1 支持向量机的参数选取问题33
• 4.2 常用的参数选取算法33-35
• 4.2.1 网格搜索法(GS)34
• 4.2.2 粒子群算法(PSO)34-35
• 4.2.3 遗传算法(GA)35
• 4.3 交叉验证法35-36
• 4.4 参数选取算法的对比实验36-39
• 5 基于RS-SVM的煤炭自燃预警算法实验研究39-51
• 5.1 煤炭自燃发火的实验研究39-48
• 5.1.1 实验设备介绍39-41
• 5.1.2 实验步骤41-42
• 5.1.3 实验数据42-45
• 5.1.4 实验数据分析45-47
• 5.1.5 实验结论47-48
• 5.2 RS-SVM模型的算法步骤48-49
• 5.3 RS-SVM模型与其他算法的对比实验49-50
• 5.3.1 决策分类依据49
• 5.3.2 对比实验49-50
• 5.4 实验结果分析50-51
• 结论51-52
• 参考文献52-55
• 后记或致谢55-56
• 作者简介及读研期间主要科研成果56

【参考文献】

中国期刊全文数据库 前10条

1 韩勇鹏;;SVM方法及其在乳制品分类问题上的应用[J];安徽农业科学;2009年08期

2 胡英俊;邹德蕴;朱丕凯;段伟;;基于BP神经网络的煤层自燃预测[J];安全与环境学报;2007年01期

3 颜志军;张跃军;;基于聚类分析的决策表约简[J];北京理工大学学报;2006年03期

4 秦书玉,陈长华,李健;煤炭自燃早期预报的模糊聚类关联分析法[J];辽宁工程技术大学学报;2003年03期

5 张兵;邓卫;;基于支持向量机理论的经济圈交通网络评价研究[J];公路;2012年06期

6 朱树先;张仁杰;郑刚;;混合核函数对支持向量机分类性能的改进[J];上海理工大学学报;2009年02期

7 郑龙江;李鹏;秦瑞峰;杨俊明;;气体浓度检测光学技术的研究现状和发展趋势[J];激光与光电子学进展;2008年08期

8 胡一帆;林欣;丁永生;吴怡之;;基于核函数SVM的穿戴式姿态识别系统[J];计算机工程;2010年10期

9 安金龙,王正欧;一种适合于增量学习的支持向量机的快速循环算法[J];计算机应用;2003年10期

10 谭冠政;刘关俊;;基于粒子群算法的移动机器人全局最优路径规划[J];计算机应用研究;2007年11期

中国博士学位论文全文数据库 前1条

1 陈晓坤;煤自燃多源信息融合预警研究[D];西安科技大学;2012年

  本文关键词：基于RS-SVM的煤炭自燃预警系统研究及应用，由笔耕文化传播整理发布。

，

本文编号：275943