基于SVM的煤與瓦斯突出區(qū)域分類預測模型研究.pdf

1、煤與瓦斯突出一直是國內(nèi)外煤礦安全生產(chǎn)方面關(guān)注的焦點問題。多年來尤其是近幾年我國煤礦存在著多種安全隱患方面的威脅，煤與瓦斯突出最為嚴重和常見。由于預測手段的落后，不能向煤礦決策者及時提供安全隱患方面的信息，導致在煤與瓦斯突出發(fā)生前工人不能脫離現(xiàn)場，造成嚴重的生命財產(chǎn)損失。如何建立有效的煤與瓦斯突出區(qū)域預測模型，為煤礦決策者提供確實可靠的決策依據(jù)，避免或降低煤礦生命財產(chǎn)損失是國內(nèi)煤礦共同面臨的研究課題。因此研究煤與瓦斯突出區(qū)域分類預測模型具

2、有重大現(xiàn)實意義。
　　 目前，國內(nèi)煤礦大多數(shù)采用軟測量與傳感器相結(jié)合對煤與瓦斯突出區(qū)域分類進行預測，由于煤與瓦斯突出區(qū)域等級的劃分是一個多分類問題，這種建模技術(shù)直接影響煤與瓦斯突出區(qū)域等級預測的精度。本文在深入研究了國內(nèi)外煤與瓦斯突出區(qū)域分類預測方法的基礎(chǔ)上，考慮到BP神經(jīng)網(wǎng)絡在建立煤與瓦斯突出區(qū)域分類預測模型時存在的推廣能力差和預測時間長等缺陷，同時支持向量機可用于處理多分類問題，利用支持向量機方法建立煤與瓦斯突出區(qū)域分類預測

3、模型。針對支持向量機對處理小規(guī)模樣本具有優(yōu)越性，而當數(shù)據(jù)的規(guī)模較大時其算法的訓練速度和預測速度變慢以及分類的精度受到影響等問題，本文提出了基于數(shù)據(jù)集約簡的支持向量分類機算法——RS-C-SVC。該算法從約簡數(shù)據(jù)集的規(guī)模入手，引入C-支持向量分類機C-SVC，解決了在訓練階段支持向量的檢索問題，并通過RS-C-SVC算法刪除了噪聲數(shù)據(jù)、約簡了數(shù)據(jù)集合的規(guī)模，有效地提高了煤與瓦斯突分類預測的訓練速度，同時也提高了預測的速度和分類的精度，滿足