基于优化支持向量机的煤与瓦斯突出预测研究

发布时间：2017-08-17 13:41

  本文关键词：基于优化支持向量机的煤与瓦斯突出预测研究

  更多相关文章： 支持向量机 粒子群算法 遗传算法 煤与瓦斯突出

【摘要】：煤与瓦斯突出是煤矿自然灾害之一,有较强的破坏性和突发性,它是受多种因素综合作用的复杂的非线性问题。支持向量机(SVM)具有较强的泛化能力,适用于解决非线性的小样本问题,它是以统计学习理论为基础创建的一种新型机器学习方法。因此,本文利用支持向量机这些优点,提出了基于支持向量机的煤与瓦斯突出危险分类预测模型。支持向量机的泛化能力和分类预测精度受惩罚参数C和核函数参数δ影响。在建立瓦斯突出预测的支持向量机模型时,采用灰色关联分析法与熵权法结合的方法取影响瓦斯突出的主要因素,建立分类预测模型指标体系。支持向量机参数选取视为组合优化问题,从而建立目标函数,并将粒子群优化算法(PSO)、遗传算法(GA)分别用于支持向量机预测模型参数的优化中,实现了参数自动寻优及选取。以生产矿井实测数据集作为训练样本和检验样本用于本文建立的PSO-SVM、 GA-SVM瓦斯突出分类预测模型中,仿真结果表明,两种优化算法均能有效地选取支持向量机瓦斯突出分类预测模型参数,与遗传算法相比,粒子群参数寻优操作过程相对简单,模型训练时间短、分类精度高,具有良好的推广性能。基于粒子群优化的支持向量机在煤与瓦斯突出危险分类预测中的应用对保证煤矿安全生产具有极其重要的意义。
【关键词】：支持向量机 粒子群算法 遗传算法 煤与瓦斯突出
【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】：2015
【分类号】：TD713;TP18
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 绪论10-19
• 1.1 研究背景10-11
• 1.2 研究目的及意义11-12
• 1.3 国内外煤与瓦斯突出预测研究现状12-16
• 1.4 研究内容与方法16-17
• 1.4.1 研究内容16
• 1.4.2 研究方法16-17
• 1.4.3 论文结构17
• 1.5 技术路线17-19
• 2 煤与瓦斯突出机理及突出影响因素19-29
• 2.1 煤与瓦斯突出机理19-20
• 2.2 煤与瓦斯突出发生条件及发展过程20-22
• 2.2.1 煤与瓦斯突出发生的条件20-21
• 2.2.2 煤与瓦斯突出的发展过程21-22
• 2.3 煤与瓦斯突出的一般规律22
• 2.4 煤与瓦斯突出影响因素分析22-25
• 2.4.1 地质条件23
• 2.4.2 煤体物理性质23-24
• 2.4.3 煤层瓦斯参数24-25
• 2.5 基于灰色关联分析突出预测指标选取25-29
• 2.5.1 灰色关联度分析26-27
• 2.5.2 灰色关联度计算27-29
• 3 基于统计学理论的支持向量机29-41
• 3.1 统计学习理论29-33
• 3.1.1 经验风险29-30
• 3.1.2 VC维理论30-31
• 3.1.3 推广性的界31-32
• 3.1.4 结构风险最小化32-33
• 3.2 支持向量机33-41
• 3.2.1 支持向量机思想34-35
• 3.2.2 支持向量机原理35-37
• 3.2.3 SVM模型建立37-39
• 3.2.4 SVM核函数选择39
• 3.2.5 参数对SVM性能影响39-41
• 4 SVM参数优化算法41-53
• 4.1 粒子群优化算法41-45
• 4.1.1 粒子群算法原理41-43
• 4.1.2 粒子群算法操作43-44
• 4.1.3 粒子群算法特点44
• 4.1.4 PSO-SVM模型44-45
• 4.2 遗传优化算法45-51
• 4.2.1 遗传算法原理45-48
• 4.2.2 遗传算法操作48-49
• 4.2.3 遗传算法特点49-50
• 4.2.4 GA-SVM模型50-51
• 4.3 粒子群算法与遗传算法分析比较51-53
• 5 支持向量机在煤与瓦斯突出预测中的应用53-62
• 5.1 突出危险评定指标测定53-57
• 5.1.1 瓦斯压力测定53-55
• 5.1.2 坚固系数测定55-56
• 5.1.3 瓦斯放散初速度测定56-57
• 5.2 基于SVM突出危险性预测及结果分析57-60
• 5.2.1 煤与瓦斯突出样本及危险等级选取57-58
• 5.2.2 PSO-SVM预测模型58-59
• 5.2.3 GA-SVM预测模型59-60
• 5.2.4 结果分析60
• 5.3 工程应用60-62
• 结论62-63
• 展望63-64
• 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 曲方;安文超;李迎业;李忠群;;基于GRA-SVM方法的煤与瓦斯突出预测模型研究[J];中国煤炭;2012年11期

2 杨明显;张旭;谭显龙;;石壕煤矿煤与瓦斯突出因素分析及区域危险性预测[J];中国矿业;2012年11期

3 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

4 王延林;杨胜强;欧晓英;;灰色关联分析在煤与瓦斯突出预测中的应用[J];煤炭技术;2009年03期

5 田靖安;王亮;程远平;马贤钦;李伟;沈镇波;;煤层瓦斯压力分布规律及预测方法[J];采矿与安全工程学报;2008年04期

6 王继仁;邓存宝;邓汉忠;;煤与瓦斯突出微观机理研究[J];煤炭学报;2008年02期

7 薛永存;卢万杰;付华;;灰色理论在煤与瓦斯突出的主控因素分析中的应用[J];矿山机械;2007年12期

8 桂祥友;郁钟铭;;基于灰色关联分析的瓦斯突出危险性风险评价[J];采矿与安全工程学报;2006年04期

9 刘昭伦;;地质构造对煤与瓦斯突出的控制作用[J];科技资讯;2006年08期

10 钟晓晖;朱令起;郭立稳;勾昱君;;煤体破裂过程辐射温度场的研究[J];煤炭科学技术;2006年02期

，

本文编号：689328