基于SVM的煤與瓦斯突出危險(xiǎn)性區(qū)域預(yù)測(cè)及防突技術(shù)研究.pdf

1、煤與瓦斯突出是一個(gè)受多種因素綜合影響的、復(fù)雜的非線性問(wèn)題,用傳統(tǒng)方法對(duì)其進(jìn)行預(yù)測(cè)有很大缺陷。隨著計(jì)算機(jī)技術(shù)和信息處理技術(shù)的快速發(fā)展,很多智能方法和技術(shù)也逐漸滲透到了類(lèi)似于突出預(yù)測(cè)的一些問(wèn)題中,其中支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法,主要用于解決小樣本、非線性、高維數(shù)、局部極小值等實(shí)際問(wèn)題,并且具有良好的分類(lèi)識(shí)別效果,已被廣泛應(yīng)用到眾多領(lǐng)域的模式識(shí)別和預(yù)測(cè)預(yù)報(bào)中。為此,本文提出以現(xiàn)場(chǎng)和實(shí)驗(yàn)室檢測(cè)數(shù)據(jù)為基礎(chǔ),通過(guò)引入支持向量機(jī)建

2、立學(xué)習(xí)模型,實(shí)現(xiàn)突出危險(xiǎn)性的分類(lèi)預(yù)測(cè)。
　　由于突出影響因素眾多,不易區(qū)分突出發(fā)生的必要條件。因此,必須對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,以便獲得影響突出的關(guān)鍵因素。為了有效解決該問(wèn)題,本文采用灰色關(guān)聯(lián)分析與熵權(quán)法結(jié)合的方法從原始樣本中提取關(guān)鍵的特征指標(biāo)。
　　通過(guò)關(guān)鍵指標(biāo)選取預(yù)測(cè)模型的訓(xùn)練和測(cè)試樣本,并在此基礎(chǔ)上建立支持向量機(jī)預(yù)測(cè)模型,其中整個(gè)模型的訓(xùn)練及測(cè)試過(guò)程在MATLAB平臺(tái)下完成,并調(diào)用了LIBSVM軟件包中的部分函數(shù)進(jìn)行仿真

3、程序的設(shè)計(jì)。另外,本文從支持向量機(jī)自身核函數(shù)選型以及參數(shù)優(yōu)化的角度,對(duì)模型分類(lèi)準(zhǔn)確性的影響進(jìn)行進(jìn)一步研究,驗(yàn)證基于徑向基(RBF)核函數(shù)更適合用于煤礦的突出分類(lèi)預(yù)測(cè)。在此基礎(chǔ)上分別通過(guò)交叉驗(yàn)證法和遺傳算法對(duì)支持向量機(jī)的懲罰參數(shù)C和核參數(shù)g進(jìn)行尋優(yōu),證明遺傳算法能夠在兩個(gè)參數(shù)優(yōu)選的前提下取得更好的測(cè)試效果。
　　最后利用支持向量機(jī)的分類(lèi)預(yù)測(cè)方法建立五陽(yáng)煤礦南豐擴(kuò)區(qū)76、78采區(qū)的區(qū)域危險(xiǎn)性預(yù)測(cè)模型,測(cè)試結(jié)果與實(shí)際突出危險(xiǎn)性情況相符。