煤矿巷道围岩质量分类方法与应用

发布时间：2021-04-26 03:21

　　煤矿地下开采的前提是查明主要可采煤层顶底板工程地质特征,正确地将煤矿巷道围岩质量分类可以很好地反映井巷工程地质类型和煤矿开采技术条件,可为指导后期煤矿开采设计和支护设计提供重要依据,为煤矿的安全高效生产提供技术支持。鉴于上述背景,本文采用数值分析、工程验证及数值模拟等研究方法,基于机器学习高效率、可塑性、普适性等优点,建立了基于支持向量机（SVM）的煤矿巷道围岩质量分类模型并与BP神经网络和随机森林算法进行比较,找出了最优分类模型。为了进一步提高巷道围岩质量分类准确率,采用遗传算法（GA）对该模型进行优化,最终建立了基于GA-SVM的煤矿巷道围岩质量分类模型。本文主要研究成果如下:（1）结合粗糙集理论,利用属性约简的性质对条件属性进行约简。最终得到,属性集的核是{天然单轴抗压强度,饱和单轴抗压强度,软化系数,天然抗剪强度,饱和抗剪强度,含水率,岩石质量},同时也验证了煤矿巷道围岩质量分类指标的必要性。（2）以煤矿巷道围岩质量分类为研究对象,建立基于机器学习的煤矿巷道围岩质量分类模型包括:BP神经网络分类模型、随机森林分类模型和SVM分类模型。经过预测得到BP神经网络的分类准确率75%;... 

【文章来源】：山东科技大学山东省

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究目的和意义
    1.2 国内外研究现状
    1.3 研究内容与技术路线
2 巷道围岩质量分类数据处理
    2.1 巷道围岩质量分类指标的确定
    2.2 数据预处理
    2.3 相关性分析
    2.4 本章小结
3 巷道围岩质量分类模型的建立
    3.1 BP神经网络分类模型
    3.2 随机森林分类模型
    3.3 支持向量机分类模型
    3.4 分类结果对比分析
    3.5 本章小结
4 基于GA-SVM的巷道围岩质量分类
    4.1 SVM在分类过程中存在的问题
    4.2 遗传算法基本原理
    4.3 GA-SVM对巷道围岩质量的分类
    4.4 本章小结
5 工程应用
    5.1 基于GA-SVM的金达煤矿巷道围岩质量的分类
    5.2 16608工作面材料道围岩变形数值模拟
    5.3 本章小结
6 结论与创新点
    6.1 结论
    6.2 创新点
参考文献
附录
致谢
攻读硕士学位期间发表的论文及所取得的研究成果



本文编号：3160628