基于支持向量机的煤自燃预测方法研究

发布时间：2023-10-22 12:49

　　煤矿火灾事故频繁发生给人民生命和财产带来巨大危害。煤自燃是引起煤矿发生火灾的主要原因之一，提早准确地测定煤自燃的危险等级，就可以及时采取有效措施，避免煤自燃的发生，从而保证煤矿的安全生产。本文利用煤在氧化升温过程中所释放的气体，针对煤自燃具有影响因素繁多、高度非线性的特点，采用支持向量机(support vectormachine,SVM)方法，对煤自燃危险程度进行预测具有实际意义。 本文的主要研究内容主要和创新点如下： （1）针对支持向量机的参数对其性能的影响，利用遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,POS)对支持向量机的参数进行了优化。 （2）引入了模糊隶属度和最小二乘的思想，改进了一种模糊最小二乘球形支持向量机(FLHSSVM)的方法，并结合序贯最小化（SMO）的方法求解，最终的预测实验表明了该算法的有效性。 （3）运用邻域粗糙集的方法对煤自燃预测实验中的输入向量进行约简，然后结合支持向量机进行预测分类,有效的减小了支持向量机的训练数据，降低算法复杂度。 （4）采用西安科技大学研制的特大型煤自然...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景和意义
    1.2 煤自燃知识
    1.3 煤自燃气体指标研究现状
    1.4 支持向量机研究现状
    1.5 论文的主要工作及章节安排
2 支持向量机的基本理论
    2.1 统计学理论
        2.1.1 经验风险最小化
        2.1.2 学习过程一致性
        2.1.3 VC 维
        2.1.4 结构风险最小化原则
    2.2 支持向量机理论
        2.2.1 线性支持向量机
        2.2.2 非线性支持向量机
    2.3 支持向量机多分类方法
    2.4 本章小结
3 支持向量机的参数选取
    3.1 支持向量机的参数选取问题
    3.2 传统参数选取方法
    3.3 粒子群算法
        3.3.1 算法原理
        3.3.2 算法步骤
    3.4 遗传算法
        3.4.1 算法原理
        3.4.2 算法步骤
    3.5 遗传算法与粒子群算法选择参数对比实验
        3.5.1 实验环境及数据
        3.5.2 实验步骤
        3.5.3 实验结果及分析
    3.6 本章小结
4 模糊最小二乘球形支持向量机
    4.1 几种常用的支持向量机
        4.1.1 v -支持向量机
        4.1.2 模糊支持向量机
        4.1.3 最小二乘支持向量机
        4.1.4 超球体支持向量机
    4.2 模糊最小二乘球形支持向量机（FLHSSVM）
        4.2.1 模糊最小二乘球形支持向量机的构造
        4.2.2 FLHSSVM 的 Lagrange 乘子优化
        4.2.3 FLHSSVM 的训练
        4.2.4 FLHSSVM 的决策规则
    4.3 本章小结
5 基于粗糙集的属性约简
    5.1 粗糙集中的基本概念
        5.1.1 知识与分类
        5.1.2 粗糙集与近似
    5.2 属性约简
    5.3 基于邻域粗糙的 SVM
    5.4 本章小结
6 基于支持向量机的煤自燃预测实验
    6.1 煤自然发火过程实验模拟设备
        6.1.1 炉体结构
        6.1.2 供风系统
        6.1.3 气体采集与分析系统
        6.1.4 自动测温和控制系统
    6.2 数据采集及数据分析
    6.3 支持向量机预测实验及结果分析
    6.4 本章小结
7 结论
    7.1 总结
    7.2 展望
致谢
参考文献
附录



本文编号：3856550