基于改进局部线性嵌入与混沌蜂算法的瓦斯涌出量预测研究
发布时间：2022-10-30 09:15
煤矿瓦斯事故是我国煤矿安全开采过程中最主要的威胁之一,所以对采煤工作面进行瓦斯涌出量的预测预警以及技术的创新有着非常重要的意义。各类因素共同影响着瓦斯气体的涌出,且它们具有一定的复杂性、非线性、特征相关性。为了获得比传统预测方法更好的预测效果,在分析国内外现有瓦斯涌出量预测的成果基础上,结合机器学习、智能算法,将局部线性嵌入理论（LLE）和人工蜂群（ABC）算法以及核极端学习机（KELM）运用到瓦斯涌出量的预测当中,提出改进的方法,建立新的预测模型。首先采用改进的局部线性嵌入算法对导致瓦斯涌出因素的特征属性进行约简,在保证特征数据完整性的情况下剔除冗余的信息,实现降维。将经过约简、归一化的样本分为训练集与测试集,用训练集对KELM模型进行训练。由于此过程中需对KELM模型的惩罚系数以及核参数进行寻优,因此本文提出引入局部混沌搜索（Chaos Searching）策略的方法改进ABC算法,并用该算法对KELM模型参数进行寻优,建立基于改进LLE算法与CSABC-KELM的煤矿瓦斯涌出量预测模型。利用测试集数据对该预测模型进行试验分析,并与原始数据未经过处理的CSABC-KELM、KELM...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 论文背景及意义
1.1.1 选题背景
1.1.2 研究意义及目的
1.2 国内外研究概况
1.2.1 煤矿瓦斯涌出量预测研究现状
1.2.2 数据降维研究现状
1.2.3 人工蜂群算法研究现状
1.3 本文主要内容和结构安排
第二章 局部线性嵌入与核极端学习机理论研究
2.1 局部线性嵌入算法研究
2.1.1 局部线性嵌入算法基本原理
2.1.2 改进的局部线性嵌入算法
2.1.3 自适应LLE算法性能分析
2.2 核极端学习机
2.2.1 极端学习机
2.2.2 核极端学习机
2.3 本章小结
第三章 引入局部混沌搜索策略的人工蜂群算法研究
3.1 人工蜂群算法基本原理
3.2 改进人工蜂群算法
3.2.1 混沌搜索策略
3.2.2 引入局部混沌搜索策略的人工蜂群算法
3.3 CSABC算法性能分析
3.3.1 标准测试函数
3.3.2 实验参数设置
3.3.3 实验结果及分析
3.4 本章小结
第四章 基于自适应LLE-CSABC-KELM的煤矿瓦斯涌出量预测
4.1 煤矿瓦斯涌出因素及特点分析
4.1.1 瓦斯涌出量的基本概念及计算
4.1.2 瓦斯涌出量预测指标的确定
4.2 数据搜集及处理
4.3 基于自适应LLE-CSABC-KELM的煤矿瓦斯涌出量预测
4.3.1 自适应LLE-CSABC-KELM预测模型建立
4.3.2 自适应LLE-CSABC-KELM的瓦斯涌出量预测结果及分析
4.3.3 对比实验
4.4 本章小结
第五章 总结与展望
参考文献
致谢
攻读学位期间取得成果
【参考文献】：
期刊论文
[1]融合蜂群优化航空发动机自适应PID控制[J]. 陈宇寒,肖玲斐,卢彬彬. 控制工程. 2019(02)
[2]基于线性判别分析的Choquet积分的符号模糊测度提取[J]. 王灯桂,杨蓉. 计算机科学. 2019(02)
[3]基于CSABC-ELM的采煤工作面瓦斯涌出量预测[J]. 陈强,王海峰,万波俊,刘道生,刘万顺. 工业安全与环保. 2019(01)
[4]基于非线性降维时序遥感影像的作物分类[J]. 翟涌光,屈忠义. 农业工程学报. 2018(19)
[5]能源结构随能源需求增长而持续多样化——2018年世界能源统计年鉴解读[J]. 钱伯章,李敏. 中国石油和化工经济分析. 2018(08)
[6]基于关联模糊神经网络和改进型蜂群算法的负荷预测方法[J]. 赵芝璞,高超,沈艳霞,陈杰. 中国电力. 2018(02)
[7]人工蜂群算法的改进[J]. 赵红星,常小刚. 计算机工程与设计. 2018(01)
[8]人工蜂群算法求解带有启动时间的批量混合流水车间调度问题[J]. 吴帅,卿兆波. 煤矿机械. 2016(11)
[9]多交互式人工蜂群算法及其收敛性分析[J]. 林凯,陈国初,张鑫. 计算机应用. 2017(03)
[10]基于改进人工蜂群算法的无人机的航迹规划[J]. 于霜,丁力,吴洪涛. 电光与控制. 2017(01)
博士论文
[1]中美煤矿瓦斯爆炸事故不安全动作原因对比分析[D]. 高岩.中国矿业大学(北京) 2016
[2]煤矿瓦斯爆炸事故的不安全动作原因研究[D]. 殷文韬.中国矿业大学（北京） 2014
硕士论文
[1]优化核极限学习机方法在智能电网中的应用[D]. 任瑞琪.兰州交通大学 2018
[2]基于支持向量机和免疫遗传BP的瓦斯浓度预测研究[D]. 张文娟.西安科技大学 2017
[3]我国煤矿安全事故时空分布分形特征研究[D]. 王修才.南华大学 2014
[4]基于局部线性嵌入的降维算法研究[D]. 李燕燕.辽宁师范大学 2012
[5]基于差值灰色径向基函数神经网络的瓦斯涌出量预测[D]. 白宇.太原理工大学 2011
[6]LS-SVM算法预测煤层瓦斯涌出量技术研究及应用[D]. 朱帅虎.山东科技大学 2011
[7]混沌优化算法在建筑施工安全投入中的应用研究[D]. 杨明.天津大学 2007
本文编号：3698616
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 论文背景及意义
1.1.1 选题背景
1.1.2 研究意义及目的
1.2 国内外研究概况
1.2.1 煤矿瓦斯涌出量预测研究现状
1.2.2 数据降维研究现状
1.2.3 人工蜂群算法研究现状
1.3 本文主要内容和结构安排
第二章 局部线性嵌入与核极端学习机理论研究
2.1 局部线性嵌入算法研究
2.1.1 局部线性嵌入算法基本原理
2.1.2 改进的局部线性嵌入算法
2.1.3 自适应LLE算法性能分析
2.2 核极端学习机
2.2.1 极端学习机
2.2.2 核极端学习机
2.3 本章小结
第三章 引入局部混沌搜索策略的人工蜂群算法研究
3.1 人工蜂群算法基本原理
3.2 改进人工蜂群算法
3.2.1 混沌搜索策略
3.2.2 引入局部混沌搜索策略的人工蜂群算法
3.3 CSABC算法性能分析
3.3.1 标准测试函数
3.3.2 实验参数设置
3.3.3 实验结果及分析
3.4 本章小结
第四章 基于自适应LLE-CSABC-KELM的煤矿瓦斯涌出量预测
4.1 煤矿瓦斯涌出因素及特点分析
4.1.1 瓦斯涌出量的基本概念及计算
4.1.2 瓦斯涌出量预测指标的确定
4.2 数据搜集及处理
4.3 基于自适应LLE-CSABC-KELM的煤矿瓦斯涌出量预测
4.3.1 自适应LLE-CSABC-KELM预测模型建立
4.3.2 自适应LLE-CSABC-KELM的瓦斯涌出量预测结果及分析
4.3.3 对比实验
4.4 本章小结
第五章 总结与展望
参考文献
致谢
攻读学位期间取得成果
【参考文献】：
期刊论文
[1]融合蜂群优化航空发动机自适应PID控制[J]. 陈宇寒,肖玲斐,卢彬彬. 控制工程. 2019(02)
[2]基于线性判别分析的Choquet积分的符号模糊测度提取[J]. 王灯桂,杨蓉. 计算机科学. 2019(02)
[3]基于CSABC-ELM的采煤工作面瓦斯涌出量预测[J]. 陈强,王海峰,万波俊,刘道生,刘万顺. 工业安全与环保. 2019(01)
[4]基于非线性降维时序遥感影像的作物分类[J]. 翟涌光,屈忠义. 农业工程学报. 2018(19)
[5]能源结构随能源需求增长而持续多样化——2018年世界能源统计年鉴解读[J]. 钱伯章,李敏. 中国石油和化工经济分析. 2018(08)
[6]基于关联模糊神经网络和改进型蜂群算法的负荷预测方法[J]. 赵芝璞,高超,沈艳霞,陈杰. 中国电力. 2018(02)
[7]人工蜂群算法的改进[J]. 赵红星,常小刚. 计算机工程与设计. 2018(01)
[8]人工蜂群算法求解带有启动时间的批量混合流水车间调度问题[J]. 吴帅,卿兆波. 煤矿机械. 2016(11)
[9]多交互式人工蜂群算法及其收敛性分析[J]. 林凯,陈国初,张鑫. 计算机应用. 2017(03)
[10]基于改进人工蜂群算法的无人机的航迹规划[J]. 于霜,丁力,吴洪涛. 电光与控制. 2017(01)
博士论文
[1]中美煤矿瓦斯爆炸事故不安全动作原因对比分析[D]. 高岩.中国矿业大学(北京) 2016
[2]煤矿瓦斯爆炸事故的不安全动作原因研究[D]. 殷文韬.中国矿业大学（北京） 2014
硕士论文
[1]优化核极限学习机方法在智能电网中的应用[D]. 任瑞琪.兰州交通大学 2018
[2]基于支持向量机和免疫遗传BP的瓦斯浓度预测研究[D]. 张文娟.西安科技大学 2017
[3]我国煤矿安全事故时空分布分形特征研究[D]. 王修才.南华大学 2014
[4]基于局部线性嵌入的降维算法研究[D]. 李燕燕.辽宁师范大学 2012
[5]基于差值灰色径向基函数神经网络的瓦斯涌出量预测[D]. 白宇.太原理工大学 2011
[6]LS-SVM算法预测煤层瓦斯涌出量技术研究及应用[D]. 朱帅虎.山东科技大学 2011
[7]混沌优化算法在建筑施工安全投入中的应用研究[D]. 杨明.天津大学 2007
本文编号：3698616
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3698616.html
