基于改進粒子群優(yōu)化支持向量機的煤礦生產物流系統(tǒng)安全狀態(tài)預測研究.pdf

1、煤炭資源是我國具有戰(zhàn)略地位的重要能源，是我國未來幾十年經(jīng)濟發(fā)展和社會進步的命脈。隨著煤炭需求不斷增加，煤礦安全生產面臨巨大壓力，這關系到我國煤炭工業(yè)的可持續(xù)發(fā)展和國家能源安全。煤礦生產物流系統(tǒng)的安全是保證煤礦生產正常運行和發(fā)揮經(jīng)濟效益的基礎。因此，加強煤礦生產物流系統(tǒng)的安全管理，尤其是強化對礦井安全狀態(tài)的有效預測意義重大。
　　本文以具有復雜非線性、實時動態(tài)性、模糊不確定性等特征的煤礦生產物流系統(tǒng)為研究對象，著重從安全狀態(tài)預測的角

2、度出發(fā)，提出一套完整的煤礦生產物流系統(tǒng)安全狀態(tài)指標體系并提出相應的預測方法。本文的主要內容如下。
　　(1)結合煤礦生產物流系統(tǒng)的復雜特性，站在事中控制、動態(tài)分析的角度，從人員因素、作業(yè)因素、機電因素、運輸因素、通風因素、排水因素和瓦斯因素的七個方面進行分類，全面細致地對煤礦生產物流系統(tǒng)的安全性進行分析，探究出各影響因素與煤礦生產物流系統(tǒng)安全狀態(tài)之間的作用機理。
　　(2)提出一種基于灰色理論的煤礦生產物流安全狀態(tài)指標體系構

3、建方法。首先通過影響因素分析，初步建立指標體系;然后運用灰色聚類，減少指標相關性;最后通過灰色關聯(lián)分析，篩選優(yōu)化指標體系。這樣的處理方法不僅避免了人為主觀性的干擾，而且實現(xiàn)了指標體系的精簡優(yōu)化。
　　(3)針對煤礦生產物流系統(tǒng)復雜多變、數(shù)據(jù)獲取困難的特點，提出一種基于改進粒子群優(yōu)化支持向量機(IPSO-SVM，Improved Particle SwarmOptimization-Support Vector Machine)的煤

4、礦生產物流系統(tǒng)安全狀態(tài)預測模型。首先，采用對慣性權重和學習權重進行線性調整的方法，改善粒子群優(yōu)化算法(PSO，Particle Swarm Optimization)的收斂速度和搜索精度;然后，將改進后的PSO與傳統(tǒng)支持向量機(SVM, Support Vector Machine)相融合，解決SVM參數(shù)設置困難的問題;最后，通過案例實驗，驗證了該模型的有效性。
　　本文研究成果不僅拓展了煤礦生產物流系統(tǒng)的研究領域，豐富了煤礦安全