版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、煤碳是我國(guó)最重要、最基礎(chǔ)的能源,我國(guó)也是產(chǎn)煤最多的國(guó)家,與此同時(shí),我國(guó)是受煤礦災(zāi)害最多最嚴(yán)重的國(guó)家。在眾多災(zāi)害中,最嚴(yán)重的是煤與瓦斯突出。根據(jù)我國(guó)《防治煤與瓦斯突出規(guī)定》的要求,在煤礦開采的各個(gè)環(huán)節(jié)都需要進(jìn)行煤與瓦斯突出預(yù)測(cè)。而影響突出的因素眾多、機(jī)理復(fù)雜。支持向量機(jī)作為新興的智能分類技術(shù)在解決非線性、小樣本數(shù)據(jù)等問題時(shí)有非常好的效果。為此,本文提出運(yùn)用支持向量機(jī)建立分類模型,實(shí)現(xiàn)對(duì)區(qū)域突出危險(xiǎn)性的預(yù)測(cè)。
對(duì)影響突出的眾多因素
2、進(jìn)行分析,其中地質(zhì)構(gòu)造是重要的控制性因素。人們對(duì)于地質(zhì)構(gòu)造與突出的關(guān)系已經(jīng)有了初步認(rèn)識(shí),但是它們之間的定量關(guān)系尚在探索之中。本文研究構(gòu)造復(fù)雜程度的定量評(píng)價(jià),建立了斷層、褶曲、傾角等基本構(gòu)造的定量化描述方法。
本文從支持向量機(jī)建模的角度考慮,選擇了地質(zhì)、煤質(zhì)、瓦斯三方面的7個(gè)特征指標(biāo),以此建立突出區(qū)域預(yù)測(cè)模型。在模型訓(xùn)練過(guò)程中,以準(zhǔn)確率最佳為目標(biāo),通過(guò)不斷測(cè)試確定RBF核函數(shù)為該模型的最優(yōu)核函數(shù),并通過(guò)交叉驗(yàn)證法對(duì)參數(shù)C和g進(jìn)行
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的煤與瓦斯突出區(qū)域分類預(yù)測(cè)模型研究.pdf
- 煤與瓦斯突出IGSA-SVM預(yù)測(cè)模型及其應(yīng)用.pdf
- 基于SVM的煤與瓦斯突出預(yù)測(cè)模型研究.pdf
- 煤與瓦斯突出預(yù)測(cè)SOM-SVM模型.pdf
- 基于SVM的黃金價(jià)格預(yù)測(cè)模型及其參數(shù)優(yōu)化.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化SVM的煤與瓦斯突出預(yù)測(cè)模型研究.pdf
- 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
- 基于SVM組合模型的燃?xì)庳?fù)荷預(yù)測(cè)研究.pdf
- 基于地質(zhì)構(gòu)造的煤與瓦斯突出預(yù)測(cè)研究.pdf
- 基于EMD-SVM的變形預(yù)測(cè)組合模型的研究與應(yīng)用.pdf
- 基于GA-SVM的區(qū)域物流需求預(yù)測(cè)研究.pdf
- 基于模型-模型距離的復(fù)雜場(chǎng)景建模及其應(yīng)用.pdf
- 基于SARIMA和SVM模型的短時(shí)交通流預(yù)測(cè).pdf
- 基于SVM的混合神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造與實(shí)現(xiàn).pdf
- 基于分時(shí)預(yù)測(cè)法的電量預(yù)測(cè)模型研究及其應(yīng)用.pdf
- 基于SVM和PSO的非線性模型預(yù)測(cè)控制及應(yīng)用研究.pdf
- 基于NIR-SVM的柴油性質(zhì)預(yù)測(cè)模型研究.pdf
- 復(fù)雜條件下煤與瓦斯突出的區(qū)域預(yù)測(cè)理論技術(shù)研究.pdf
- 基于LS-SVM的時(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 在線選擇的SVM及其在股票預(yù)測(cè)中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論