基于流形學(xué)習(xí)算法和支持向量機(jī)的礦井瓦斯涌出量預(yù)測(cè)研究.pdf

1、煤炭工業(yè)是一個(gè)危險(xiǎn)性極高的行業(yè),在生產(chǎn)過程中伴隨著透水、塌方、瓦斯等隱患,煤礦瓦斯災(zāi)害是造成礦山傷亡最為嚴(yán)重的事故之一,而礦井瓦斯涌出量又是影響礦井瓦斯災(zāi)害的重要因素之一。為了減少礦井瓦斯災(zāi)害的發(fā)生,本文在對(duì)國(guó)內(nèi)外瓦斯涌出量預(yù)測(cè)研究的基礎(chǔ)上,提出了基于流形學(xué)習(xí)算法和支持向量機(jī)理論的瓦斯涌出量預(yù)測(cè)方法,就瓦斯涌出量預(yù)測(cè)問題進(jìn)行了研究。
　　本文從分析瓦斯涌出量入手,得出影響瓦斯涌出量的主要因素。以國(guó)內(nèi)某煤礦礦井瓦斯涌出量實(shí)測(cè)數(shù)據(jù)為研

2、究對(duì)象,利用 Matlab軟件作為模型建立平臺(tái)。利用流形學(xué)習(xí)算法對(duì)礦井瓦斯涌出量影響因素進(jìn)行數(shù)據(jù)預(yù)處理,彌補(bǔ)了支持向量機(jī)缺乏數(shù)據(jù)預(yù)處理的缺陷。采用遺傳算法、粒子群優(yōu)化算法、交叉驗(yàn)證對(duì)模型參數(shù)懲罰因子c、核函數(shù)參數(shù)g進(jìn)行尋優(yōu),確定最佳參數(shù) c、g組合。再利用支持向量回歸機(jī)進(jìn)行回歸預(yù)測(cè),建立瓦斯涌出量預(yù)測(cè)模型,實(shí)現(xiàn)了礦井瓦斯涌出量的精確預(yù)測(cè)。流形學(xué)習(xí)算法能夠挖掘數(shù)據(jù)的本質(zhì)結(jié)構(gòu),簡(jiǎn)約數(shù)據(jù),從而提高了支持向量機(jī)作回歸預(yù)測(cè)時(shí)的收斂速度和精度,充分

3、發(fā)揮了支持向量機(jī)在學(xué)習(xí)精度和學(xué)習(xí)能力找到好的權(quán)衡的優(yōu)勢(shì),使模型的泛化能力較好。本文將基于流形學(xué)習(xí)算法和支持向量機(jī)理論的預(yù)測(cè)方法應(yīng)用于混合炸藥爆轟參數(shù)的預(yù)測(cè),結(jié)果較為理想,證明了預(yù)測(cè)方法的適用性。
　　通過對(duì)礦井瓦斯涌出量及混合炸藥爆轟參數(shù)的預(yù)測(cè)的研究,結(jié)果表明:利用流形學(xué)習(xí)算法和支持向量機(jī)理論建立的礦井瓦斯涌出量預(yù)測(cè)模型,能夠快速準(zhǔn)確地預(yù)測(cè)礦井瓦斯涌出量,模型精度較高、相關(guān)性較好,與傳統(tǒng)預(yù)測(cè)方法相比,容錯(cuò)能力較強(qiáng),精度較高。該模型