基于PSO-SVM的煤層底板突水危險(xiǎn)性預(yù)測(cè)研究.pdf

1、我國(guó)華北型煤田底板突水問題普遍嚴(yán)重，事故的發(fā)生會(huì)造成重大的人員傷亡和財(cái)產(chǎn)損失，而風(fēng)險(xiǎn)預(yù)測(cè)和評(píng)價(jià)是礦井水害防治的一個(gè)重要環(huán)節(jié)，也是實(shí)現(xiàn)安全開采的基本前提和重要基礎(chǔ)。本文通過對(duì)煤礦突水預(yù)測(cè)現(xiàn)狀的研究，結(jié)合煤層底板突水的非線性特征，選用支持向量機(jī)進(jìn)行煤礦突水危險(xiǎn)性預(yù)測(cè)。
　　支持向量機(jī)是基于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展起來的一種新型機(jī)器學(xué)習(xí)算法，具有較強(qiáng)的泛化能力，適用于解決突水預(yù)測(cè)這樣的非線性、小樣本問題。但是，支持向量機(jī)的泛化能力和預(yù)測(cè)精度受到

2、懲罰參數(shù)和核函數(shù)參數(shù)等相關(guān)參數(shù)的影響，針對(duì)支持向量機(jī)預(yù)測(cè)模型參數(shù)難以確定的問題，通過對(duì)種群的初始化設(shè)置、適應(yīng)度函數(shù)和終止條件的設(shè)置不斷更新粒子速度和位置，從而對(duì)影響支持向量機(jī)性能的相關(guān)參數(shù)進(jìn)行尋優(yōu)，得到基于粒子群算法的改進(jìn)支持向量機(jī)預(yù)測(cè)模型。
　　在PSO-SVM突水預(yù)測(cè)模型的應(yīng)用過程中，首先分析研究區(qū)域礦井的地質(zhì)、水文地質(zhì)條件，選取影響煤層底板突水的主控因素（即隔水層厚度、水壓、底板破壞深度、含水層和斷層落差），然后搜集典型突水

3、工作面的歷史數(shù)據(jù)資料，并將這些數(shù)據(jù)分為訓(xùn)練集和測(cè)試集兩部分；以MATLAB2014a為實(shí)驗(yàn)平臺(tái)，結(jié)合Microsoft Visual C++編譯器在MATLAB軟件中添加Libsvm工具箱，通過代碼編程對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行仿真訓(xùn)練與測(cè)試，得出支持向量機(jī)的最優(yōu)懲罰因子C和核函數(shù)參數(shù)分別為694.8591和317.1063；將測(cè)試集數(shù)據(jù)代入訓(xùn)練好的支持向量機(jī)模型，對(duì)工作面突水危險(xiǎn)性進(jìn)行預(yù)測(cè)，并將PSO-SVM模型的預(yù)測(cè)結(jié)果與突水系數(shù)法的預(yù)測(cè)結(jié)果