基于改进粒子群优化支持向量机的煤矿生产物流系统安全状态预测研究

发布时间：2017-09-20 05:17

  本文关键词：基于改进粒子群优化支持向量机的煤矿生产物流系统安全状态预测研究

  更多相关文章： 煤矿生产物流系统 安全状态 支持向量机 灰色理论 粒子群

【摘要】：煤炭资源是我国具有战略地位的重要能源,是我国未来几十年经济发展和社会进步的命脉。随着煤炭需求不断增加,煤矿安全生产面临巨大压力,这关系到我国煤炭工业的可持续发展和国家能源安全。煤矿生产物流系统的安全是保证煤矿生产正常运行和发挥经济效益的基础。因此,加强煤矿生产物流系统的安全管理,尤其是强化对矿井安全状态的有效预测意义重大。 本文以具有复杂非线性、实时动态性、模糊不确定性等特征的煤矿生产物流系统为研究对象,着重从安全状态预测的角度出发,提出一套完整的煤矿生产物流系统安全状态指标体系并提出相应的预测方法。本文的主要内容如下。 (1)结合煤矿生产物流系统的复杂特性,站在事中控制、动态分析的角度,从人员因素、作业因素、机电因素、运输因素、通风因素、排水因素和瓦斯因素的七个方面进行分类,全面细致地对煤矿生产物流系统的安全性进行分析,探究出各影响因素与煤矿生产物流系统安全状态之间的作用机理。 (2)提出一种基于灰色理论的煤矿生产物流安全状态指标体系构建方法。首先通过影响因素分析,初步建立指标体系；然后运用灰色聚类,减少指标相关性;最后通过灰色关联分析,筛选优化指标体系。这样的处理方法不仅避免了人为主观性的干扰,而且实现了指标体系的精简优化。 (3)针对煤矿生产物流系统复杂多变、数据获取困难的特点,提出一种基于改进粒子群优化支持向量机(IPSO-SVM,Improved Particle Swarm Optimization-Support Vector Machine)的煤矿生产物流系统安全状态预测模型。首先,采用对惯性权重和学习权重进行线性调整的方法,改善粒子群优化算法(PSO, Particle Swarm Optimization)的收敛速度和搜索精度；然后,将改进后的PSO与传统支持向量机(SVM, Support Vector Machine)相融合,解决SVM参数设置困难的问题；最后,通过案例实验,验证了该模型的有效性。 本文研究成果不仅拓展了煤矿生产物流系统的研究领域,丰富了煤矿安全管理的研究成果,而且有助于改善日趋严峻的煤矿安全生产形势,帮助煤炭企业提升安全生产管理水平,对于我国煤炭行业的可持续发展具有积极意义。
【关键词】：煤矿生产物流系统 安全状态 支持向量机 灰色理论 粒子群
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TD7;F426.21;F252
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-10
• 1 绪论10-19
• 1.1 研究背景及意义10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11-12
• 1.2. 国内外研究现状12-16
• 1.2.1 煤矿生产物流研究现状12-14
• 1.2.2 煤矿安全预测研究现状14-16
• 1.3 研究内容与技术路线16-18
• 1.3.1 研究内容16-17
• 1.3.2 技术路线17-18
• 1.4 本文创新点18-19
• 2 理论综述19-29
• 2.1 煤矿生产物流系统19-20
• 2.1.1 煤矿生产物流系统定义19
• 2.1.2 煤矿生产物流系统特点19-20
• 2.2 灰色理论20-22
• 2.2.1 灰色聚类分析20-21
• 2.2.2 灰色关联分析21-22
• 2.3 SVM理论22-27
• 2.3.1 统计学习理论22-23
• 2.3.2 SVM分类原理23-27
• 2.4 PSO算法理论27-28
• 2.4.1 PSO算法的原理27-28
• 2.4.2 PSO算法的优缺点28
• 2.5 本章小结28-29
• 3 煤矿生产物流系统安全状态指标体系研究29-44
• 3.1 指标选取原则29-30
• 3.2 选取指标存在的问题30-31
• 3.3 煤矿生产物流安全状态影响因素分析31-37
• 3.3.1 人员因素32-33
• 3.3.2 作业因素33
• 3.3.3 机电因素33-34
• 3.3.4 运输因素34-35
• 3.3.5 通风因素35
• 3.3.6 排水因素35-36
• 3.3.7 瓦斯因素36-37
• 3.4 指标体系的初步构建37-38
• 3.5 指标体系优化38-43
• 3.5.1 基于灰色聚类分析的指标分类39-41
• 3.5.2 基于灰色关联分析的指标修正41-43
• 3.6 本章小结43-44
• 4 煤矿生产物流系统安全状态预测模型研究44-52
• 4.1 建模基本思路44
• 4.2 核函数的选取44-46
• 4.3 PSO算法的改进46-47
• 4.3.1 惯性权重的调节46
• 4.3.2 学习权重的调节46-47
• 4.4 参数优选机制47-49
• 4.4.1 交叉验证机制47
• 4.4.2 IPSO优化机制47-49
• 4.5 基于IPSO-SVM的煤矿生产物流系统安全状态预测模型架构49-50
• 4.6 算例验证50-51
• 4.7 本章小结51-52
• 5 案例分析52-61
• 5.1 案例背景阐述52
• 5.2 实验准备52-55
• 5.2.1 实验环境52-53
• 5.2.2 安全状态分类53-54
• 5.2.3 样本搜集及处理54-55
• 5.3 实验运行及结果分析55-60
• 5.3.1 实验初始化设置55-56
• 5.3.2 参数优化结果分析56-58
• 5.3.3 模型测试结果分析58-60
• 5.4 本章小结60-61
• 6 总结与展望61-63
• 6.1 研究总结61-62
• 6.2 研究展望62-63
• 参考文献63-67
• 致谢67-68
• 个人简历、在校期间发表的学术论文与研究成果68

【参考文献】

中国期刊全文数据库 前10条

1 庞成;;煤矿防尘安全评价体系研究[J];矿业安全与环保;2011年03期

2 姜艳萍;樊治平;郑玉岩;;基于特征匹配的突发事件应急预案选择方法[J];系统工程;2011年12期

3 马亚杰;王东;孙海威;;ANN采煤工作面最大涌水量预测与指标优化[J];辽宁工程技术大学学报(自然科学版);2013年07期

4 邓明明;孙林岩;孙林辉;崔凯;;煤矿工人反应时、暗适应测试与事故倾向调查[J];工业工程与管理;2013年03期

5 杨文光;高艳辉;王清;;模糊前向神经网络在瓦斯涌出量预测中的应用[J];安徽大学学报(自然科学版);2013年06期

6 王天瑜;刘勇;徐德宇;;滴道矿立井28#煤层瓦斯含量灰色关联分析及预测[J];安全与环境学报;2014年01期

7 曹庆仁;李凯;李静林;;管理者行为对矿工不安全行为的影响关系研究[J];管理科学;2011年06期

8 宋华岭;温国锋;刘丽娟;李金克;张漪;王传鹏;李春蕾;;复杂信息度量的安全系统结构复杂性评价[J];管理科学学报;2012年02期

9 张洪杰;刘贞堂;于晓月;;煤矿安全风险指标体系构建研究[J];能源技术与管理;2010年01期

10 罗红波;矫兴艳;王冉;;矿井人-机-环境系统安全评价[J];矿业快报;2007年12期

中国博士学位论文全文数据库 前1条

1 王金凤;煤矿生产物流系统研究[D];天津大学;2005年

，

本文编号：886117