基于改进GA-SVM算法的瓦斯涌出量预测研究

发布时间：2017-03-31 02:16

  本文关键词：基于改进GA-SVM算法的瓦斯涌出量预测研究，，由笔耕文化传播整理发布。

【摘要】：煤矿井下瓦斯监测系统是煤矿安全生产过程中的重要环节,在对瓦斯涌出量进行监测和预测时需要建立合适的模型,建立完整、先进的瓦斯安全监测和控制系统,从而促进煤炭行业自动化系统的完善改进,这些系统对井下的安全作业生产起到了关键作用。在此背景下,本文在对瓦斯涌出量模型探究过程中探索出一种基于改进的遗传支持向量机(GA-SVM)算法相结合的瓦斯涌出量预测方法。煤矿瓦斯系统随时间动态发展可认为是非线性系统,具有复杂程度高、随机性强的特点。另外,对煤矿瓦斯监测时影响因素众多,利用单一算法对煤矿瓦斯涌出量预测时存在片面性问题。针对以上问题本文首先分析了瓦斯涌出量的内在本质和影响因素,利用支持向量机(SVM)能够较好地解决小样本、非线性的特点,将预测概念引入遗传算法中,为解决煤矿瓦斯预测问题提供一种途径。本文主要进行以下工作：首先,对瓦斯涌出量模型进行了深入探讨,选取影响因子。其次,提出遗传支持向量机预测模型。对遗传支持向量机进行适当改进；选取合适的核函数,利用遗传算法优化支持向量机参数,提高预测性能。最后,将构造的改进GA-SVM预测模型与其余两种算法模型进行比较分析分析、误差分析,通过实验仿真验证算法的正确性。
【关键词】：支持向量机(SVM) 遗传算法(GA) 算法改进 瓦斯涌出量 预测模型
【学位授予单位】：辽宁工程技术大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD712.5
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 引言10-16
• 1.1 问题的提出10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国内研究现状11-12
• 1.2.2 国外研究现状12-13
• 1.3 课题研究主要内容和技术路线13-15
• 1.3.1 研究思路13-14
• 1.3.2 研究内容14-15
• 1.4 论文主要工作及章节安排15-16
• 2 瓦斯涌出量模型分析及预测方法16-24
• 2.1 瓦斯的赋存16-17
• 2.2 瓦斯涌出量影响因素分析17-19
• 2.2.1 瓦斯涌出量的基本含义17
• 2.2.2 瓦斯涌出量影响因素17-19
• 2.3 瓦斯涌出量预测方法的相关分析19-22
• 2.3.1 瓦斯涌出量预测方法20-21
• 2.3.2 瓦斯涌出量预测模型的分析21-22
• 2.4 本章小结22-24
• 3 支持向量机理论与遗传算法24-42
• 3.1 统计学理论24-26
• 3.2 支持向量机26-36
• 3.2.1 最优超平面26-28
• 3.2.2 支持向量机分类28-31
• 3.2.3 核函数31-33
• 3.2.4 支持向量机回归33-36
• 3.3 遗传算法36-41
• 3.3.1 遗传算法基本原理与步骤36-38
• 3.3.2 遗传算法染色体编码38-39
• 3.3.3 适应度函数39-40
• 3.3.4 遗传运算过程40-41
• 3.4 本章小结41-42
• 4 基于改进GA-SVM预测模型技术框架42-49
• 4.1 矿井瓦斯信息分析42-43
• 4.2 改进的GA-SVM43-45
• 4.2.1 支持向量机的适当改进43-44
• 4.2.2 遗传算法的适当改进44-45
• 4.3 支持向量机模型选择45-46
• 4.4 基于改进GA-SVM预测模型技术框架46-48
• 4.4.1 GA-SVM选取原则46
• 4.4.2 预测模型技术框架的搭建过程46-48
• 4.5 本章小结48-49
• 5 实验与仿真49-62
• 5.1 仿真平台及相关软件49-51
• 5.1.1 MATLAB主要特点49-50
• 5.1.2 M文件编程50-51
• 5.2 基于改进GA-SVM预测模型的建立51-54
• 5.2.1 预测模型影响因子的选取51-52
• 5.2.2 预测模型建立的基本步骤52
• 5.2.3 支持向量机预测机训练参数选择52-54
• 5.3 GA-SVM预测机的设置54-55
• 5.4 瓦斯涌出量的仿真分析55-58
• 5.5 结果分析58-61
• 5.6 本章小结61-62
• 6 结论62-64
• 6.1 全文工作结论62
• 6.2 进一步工作展望62-64
• 参考文献64-67
• 作者简历67-69
• 学位论文数据集69

【参考文献】

中国期刊全文数据库 前10条

1 魏春荣;李艳霞;孙建华;米红伟;李s

本文编号：278659