基于改進(jìn)粒子群優(yōu)化支持向量機(jī)的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預(yù)測(cè)研究.pdf

1、煤炭資源是我國(guó)具有戰(zhàn)略地位的重要能源，是我國(guó)未來(lái)幾十年經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步的命脈。隨著煤炭需求不斷增加，煤礦安全生產(chǎn)面臨巨大壓力，這關(guān)系到我國(guó)煤炭工業(yè)的可持續(xù)發(fā)展和國(guó)家能源安全。煤礦生產(chǎn)物流系統(tǒng)的安全是保證煤礦生產(chǎn)正常運(yùn)行和發(fā)揮經(jīng)濟(jì)效益的基礎(chǔ)。因此，加強(qiáng)煤礦生產(chǎn)物流系統(tǒng)的安全管理，尤其是強(qiáng)化對(duì)礦井安全狀態(tài)的有效預(yù)測(cè)意義重大。
　　本文以具有復(fù)雜非線性、實(shí)時(shí)動(dòng)態(tài)性、模糊不確定性等特征的煤礦生產(chǎn)物流系統(tǒng)為研究對(duì)象，著重從安全狀態(tài)預(yù)測(cè)的角

2、度出發(fā)，提出一套完整的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)指標(biāo)體系并提出相應(yīng)的預(yù)測(cè)方法。本文的主要內(nèi)容如下。
　　(1)結(jié)合煤礦生產(chǎn)物流系統(tǒng)的復(fù)雜特性，站在事中控制、動(dòng)態(tài)分析的角度，從人員因素、作業(yè)因素、機(jī)電因素、運(yùn)輸因素、通風(fēng)因素、排水因素和瓦斯因素的七個(gè)方面進(jìn)行分類，全面細(xì)致地對(duì)煤礦生產(chǎn)物流系統(tǒng)的安全性進(jìn)行分析，探究出各影響因素與煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)之間的作用機(jī)理。
　　(2)提出一種基于灰色理論的煤礦生產(chǎn)物流安全狀態(tài)指標(biāo)體系構(gòu)

3、建方法。首先通過(guò)影響因素分析，初步建立指標(biāo)體系;然后運(yùn)用灰色聚類，減少指標(biāo)相關(guān)性;最后通過(guò)灰色關(guān)聯(lián)分析，篩選優(yōu)化指標(biāo)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(shí)現(xiàn)了指標(biāo)體系的精簡(jiǎn)優(yōu)化。
　　(3)針對(duì)煤礦生產(chǎn)物流系統(tǒng)復(fù)雜多變、數(shù)據(jù)獲取困難的特點(diǎn)，提出一種基于改進(jìn)粒子群優(yōu)化支持向量機(jī)(IPSO-SVM，Improved Particle SwarmOptimization-Support Vector Machine)的煤

4、礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預(yù)測(cè)模型。首先，采用對(duì)慣性權(quán)重和學(xué)習(xí)權(quán)重進(jìn)行線性調(diào)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(jìn)后的PSO與傳統(tǒng)支持向量機(jī)(SVM, Support Vector Machine)相融合，解決SVM參數(shù)設(shè)置困難的問(wèn)題;最后，通過(guò)案例實(shí)驗(yàn)，驗(yàn)證了該模型的有效性。
　　本文研究成果不僅拓展了煤礦生產(chǎn)物流系統(tǒng)的研究領(lǐng)域，豐富了煤礦安全