基于SVM模型的瓦斯爆炸灾害风险评价研究

发布时间：2017-08-28 14:32

  本文关键词：基于SVM模型的瓦斯爆炸灾害风险评价研究

  更多相关文章： 瓦斯爆炸 灾害风险 粗糙集 支持向量机

【摘要】：煤矿瓦斯爆炸是严重威胁煤矿安全生产的自然灾害之一,突发性和破坏性极强,对煤矿职工的生命安全构成威胁,同时影响了煤炭工业的可持续发展,所以针对煤矿瓦斯爆炸灾害进行风险评价是有效预防瓦斯灾害的重要手段,对瓦斯进行准确的预警具有重大的理论和实际意义。 本文根据灾害系统理论和风险理论,对瓦斯爆炸灾害风险评价展开以下讨论,主要研究成果如下：(1)结合煤矿瓦斯爆炸的特点,从灾害系统的角度出发分析了影响瓦斯爆炸的孕灾环境、致灾因子、承灾体三种构成瓦斯爆炸灾害系统内各子系统之间的复杂关联关系,分析表明大部分瓦斯爆炸灾害的发生是三个子系统同时存在并相互作用的结果,并对子系统的各评价要素进行了分析。(2)构建了由孕灾环境、致灾因子、承灾体3个子系统组成的煤矿瓦斯爆炸灾害风险初级指标体系,并采用粗糙集属性约简方法进行指标筛选,在保持数据完整性的前提下剔除冗余指标,降低指标维数,最终确定瓦斯爆炸灾害风险评价指标。(3)根据支持向量机多分类和回归原理,利用SVM优良的非线性回归拟合特性,引入libsvm-mat-3.01加强版工具箱,介绍了基于matlab平台的SVM先分类再回归的风险评价模型,并确定风险等级分界表和模型的预测误差算法。(4)案例研究。在对收集的样本的数据进行预处理后,选取训练样本集和测试样本集,并选择合适的核函数和参数,运用风险评价模型对训练样本和评价样本先分类再回归预测,根据原始样本分类和预测样本分类的误差量对比分析可以发现,基于支持向量机先分类再回归的瓦斯爆炸风险评价模型,分类效果与实际情况能较好吻合、预测精度高,表明该模型具有较好的适用性和可行性,方便了煤矿企业对瓦斯爆炸灾害的风险评价,对预防瓦斯爆炸的发生具有一定积极意义。 通过论文的分析可知从灾害系统的角度,将煤矿瓦斯爆炸作为一个灾害系统而对其进行风险评价的思路和方法是可行的,利用SVM先分类再回归算法进行瓦斯爆炸灾害风险评价是合理的,同时也为后续的煤矿其他灾害事故的分析,提供了一种新方法和手段,具有一定的现实意义。
【关键词】：瓦斯爆炸 灾害风险 粗糙集 支持向量机
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD712.7
【目录】：

• 摘要3-5
• Abstract5-10
• 1 绪论10-24
• 1.1 论文的选题依据及背景10-11
• 1.2 研究目的及意义11-13
• 1.2.1 研究目的11-12
• 1.2.2 理论意义12
• 1.2.3 现实意义12-13
• 1.3 相关研究现状13-19
• 1.3.1 国外相关研究进展13-15
• 1.3.2 国内相关研究进展15-18
• 1.3.3 国内外相关研究评述18-19
• 1.4 研究内容、思路及方法19-24
• 1.4.1 研究内容19-21
• 1.4.2 研究的主要方法21-22
• 1.4.3 研究技术路线图22-24
• 2 相关基础理论24-36
• 2.1 瓦斯爆炸原理24-25
• 2.2 灾害系统理论25
• 2.3 风险评价理论25-26
• 2.4 粗糙集理论26-28
• 2.5 支持向量机理论28-33
• 2.5.1 支持向量机基本思想29
• 2.5.2 支持向量机分类原理29-32
• 2.5.3 支持向量机回归机32-33
• 2.6 本章小结33-36
• 3 煤矿瓦斯爆炸灾害风险评价指标体系的构建36-48
• 3.1 评价指标的选取原则36-37
• 3.1.1 科学性原则36
• 3.1.2 系统性原则36
• 3.1.3 可操作原则36
• 3.1.4 定性与定量相结合36-37
• 3.2 评价因素分析37-40
• 3.2.1 孕灾环境的稳定性38
• 3.2.2 致灾因子的危险性38-39
• 3.2.3 承灾体的脆弱性39-40
• 3.3 评价指标体系的初步构建40-42
• 3.4 煤矿瓦斯爆炸灾害风险指标筛选42-46
• 3.4.1 粗糙集属性约简模型42-43
• 3.4.2 样本数据收集43
• 3.4.3 指标筛选43-46
• 3.4.4 决策规则的提取46
• 3.5 指标体系确定46-47
• 3.6 本章小结47-48
• 4 瓦斯爆炸灾害风险评价模型的建立48-54
• 4.1 支持向量机风险评价模型的构建48-51
• 4.1.1 建模步骤48-49
• 4.1.2 MATLAB平台下的SVM算法实现49-51
• 4.2 模型预测误差的确定51
• 4.3 煤矿瓦斯爆炸灾害风险评价等级的确定51-53
• 4.4 本章小结53-54
• 5 案例研究54-68
• 5.1 数据收集54
• 5.2 数据规范化54-57
• 5.3 SVM风险分类57-61
• 5.3.1 数据处理57-58
• 5.3.2 参数选择与优化58-60
• 5.3.3 SVM分类训练模型的确立60-61
• 5.3.4 SVM分类结果分析61
• 5.4 SVM回归预测分析61-65
• 5.4.1 修正测试样本数据61
• 5.4.2 参数选择与优化61-64
• 5.4.3 SVM回归网络训练64
• 5.4.4 回归预测误差分析64-65
• 5.5 结果分析65
• 5.6 对策与建议65-66
• 5.7 本章小结66-68
• 6 结论与展望68-72
• 6.1 总结68-69
• 6.2 展望69-72
• 参考文献72-76
• 附录：瓦斯爆炸风险评价运行代码76-80
• 致谢80-82
• 在学期间主要成果82

【参考文献】

中国期刊全文数据库 前10条

1 李凡修;梅平;;煤矿安全评价的等效数值模型及应用[J];矿业安全与环保;2009年01期

2 张爱然;罗新荣;杨飞;康与涛;;基于模糊神经网络的瓦斯爆炸危险性评价模型[J];黑龙江科技学院学报;2008年01期

3 吴电军;罗新荣;郑永坤;王保朕;李国瑞;;基于危险源理论的煤矿风险评价模型研究[J];能源技术与管理;2010年01期

4 陈冰梅;樊晓平;周志明;李雪荣;;支持向量机原理及展望[J];制造业自动化;2010年14期

5 田水承,李华,陈勇刚;基于神经网络的掘进面瓦斯爆炸危险源安全评价[J];煤田地质与勘探;2005年03期

6 贺晓刚;张人伟;王亮;马志勇;;煤矿瓦斯爆炸的风险评价[J];煤矿安全;2006年09期

7 王q，

本文编号：748117