基于小樣本數(shù)據(jù)的礦井瓦斯突出風(fēng)險評價.pdf

1、煤炭產(chǎn)業(yè)在今后相當(dāng)長一段時期內(nèi)仍將是我國能源的主體產(chǎn)業(yè)，有著十分廣闊的發(fā)展前景。但是當(dāng)前煤礦安全生產(chǎn)形勢依然非常嚴(yán)峻，煤礦安全事故頻繁發(fā)生。我國的煤礦安全管理水平與西方發(fā)達(dá)國家相比，還有很大的差距。瓦斯事故號稱煤礦安全生產(chǎn)的“第一殺手”，瓦斯突出在煤礦災(zāi)害中危害性最大。
　　 許多學(xué)者和工程技術(shù)人員開展礦井瓦斯突出機(jī)理、評價及防治技術(shù)的研究，目前提出的關(guān)于礦井瓦斯突出機(jī)理的假說多達(dá)十幾種，在某些方面取得了一定的進(jìn)展，但是由于礦井

2、瓦斯系統(tǒng)的非線性、多樣性和復(fù)雜性，瓦斯安全問題還沒有得到很好的解決。理論界必須加強(qiáng)對礦井瓦斯突出風(fēng)險評價的研究，以給煤炭企業(yè)提供科學(xué)和有效的防治手段和方法，開展礦井瓦斯突出風(fēng)險評價的研究具有重要的理論和現(xiàn)實(shí)意義。
　　 對于小樣本評價理論與方法的研究，多見于國防、航天、核設(shè)備等高科技領(lǐng)域。在這些領(lǐng)域因高昂的試驗(yàn)費(fèi)用使得試驗(yàn)的次數(shù)盡可能少，得到的樣本數(shù)據(jù)相對來說十分有限。如何在有限的數(shù)據(jù)條件下挖掘更為廣泛的信息，這就是小樣本研究方

3、法需要解決的問題。礦井瓦斯安全系統(tǒng)廣泛存在著典型負(fù)類數(shù)據(jù)不足的問題，負(fù)類樣本如礦井瓦斯突出屬于偶發(fā)事件，事故現(xiàn)場即刻采集樣本數(shù)據(jù)十分困難，因此負(fù)類樣本相對于正類樣本來說必定是小樣本的。另外一些新建煤礦缺少礦井瓦斯突出的歷史數(shù)據(jù)資料，因此樣本數(shù)量十分有限，對其評價要考慮小樣本問題。再者因礦井瓦斯安全數(shù)據(jù)采集極具危險性，多樣本采集必定帶來高風(fēng)險和高成本。由上分析，多因素決定了對于礦井瓦斯突出風(fēng)險的科學(xué)評價理應(yīng)是基于小樣本的評價，而傳統(tǒng)的評價

4、方法未能充分考慮到這一點(diǎn)，對此研究鮮見涉及?？梢?，基于小樣本的評價問題在現(xiàn)實(shí)中廣泛存在，但理論界未能給出有效地研究方法來解決這個問題。
　　 本文就基于小樣本的礦井瓦斯突出風(fēng)險評價方法進(jìn)行研究，屬于“情景嵌入型”的評價方法研究，研究具有鮮明的行業(yè)特色，注重理論與實(shí)踐的結(jié)合，論文主要開展了以下幾個方面的研究工作：
　　 （1）本文對可用于小樣本評價的理論與方法進(jìn)行了比較研究。在描述各種小樣本評價方法數(shù)學(xué)原理的基礎(chǔ)上，分析比

5、較了各種評價方法的異同，指出各種方法在理論上和應(yīng)用中存在的不足，研究并指出各種小樣本評價理論與方法的現(xiàn)狀及發(fā)展方向。
　　 （2）本文應(yīng)用灰色關(guān)聯(lián)分析方法選擇礦井瓦斯突出風(fēng)險評價指標(biāo)?；疑到y(tǒng)理論適于解決貧信息的小樣本問題，而灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論的主要內(nèi)容之一。本文運(yùn)用灰色關(guān)聯(lián)分析方法分析瓦斯突出的各種影響因素，計(jì)算各影響因素的關(guān)聯(lián)系數(shù)和關(guān)聯(lián)度，按關(guān)聯(lián)度大小進(jìn)行影響因素排序，找出影響礦井瓦斯突出的主控因素，把主控因素作為小

6、樣本評價指標(biāo)，并將主控因素的礦井實(shí)測數(shù)據(jù)作為小樣本評價模型的輸入進(jìn)行風(fēng)險評價。
　　 （3）本文建立了基于神經(jīng)網(wǎng)絡(luò)的礦井瓦斯突出風(fēng)險評價模型。神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)驅(qū)動式“黑箱”建模，具有強(qiáng)大的非線性處理能力，適于解決礦井瓦斯突出系統(tǒng)的復(fù)雜性和非線性系統(tǒng)的評價問題。采用神經(jīng)網(wǎng)絡(luò)進(jìn)行礦井瓦斯突出風(fēng)險評價，能有效地減少主觀因素的影響，所建評價模型基本能夠真實(shí)地刻畫礦井瓦斯突出影響因素與礦井瓦斯突出風(fēng)險實(shí)際水平之間的復(fù)雜非線性關(guān)系，研究的模型

7、具有一定的應(yīng)用價值。
　　 （4）本文對訓(xùn)練樣本的規(guī)范化方法進(jìn)行了改進(jìn)，改進(jìn)的規(guī)范化方法具有保序性、差異比不變性、平移無關(guān)性、縮放無關(guān)性和區(qū)間穩(wěn)定性等優(yōu)良特性。各評價指標(biāo)訓(xùn)練樣本之間往往不具備可比性，無法進(jìn)行綜合評價。本文提出了改進(jìn)的訓(xùn)練樣本規(guī)范化方法，并分別為神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)小樣本評價方法的訓(xùn)練樣本提出了具體的改進(jìn)公式。針對神經(jīng)網(wǎng)絡(luò)評價模型面言，改進(jìn)的方法避免了S 型活化函數(shù)取極值及連接權(quán)足夠大的邊緣和苛刻條件，提高了訓(xùn)練

8、速度。
　　 對支持向量機(jī)評價模型來說，在核計(jì)算中會用到內(nèi)積運(yùn)算或exp 運(yùn)算，不平衡的數(shù)據(jù)可能造成計(jì)算困難。改進(jìn)的方法更好地保持了原始數(shù)據(jù)的關(guān)系、消除量綱影響和變量自身變異大小和數(shù)值大小的影響，有效地降低了計(jì)算難度。
　　 （5）本文提出了一種選取支持向量機(jī)核函數(shù)參數(shù)的新方法，即調(diào)步長網(wǎng)格搜索與K CV ? 交叉驗(yàn)證組合的方法。這種方法先在一個大區(qū)域選定Gauss 徑向基核函數(shù)參數(shù)σ和懲罰參數(shù)C的取值范圍，設(shè)定一個大的

9、搜索步長，對每對參數(shù)組合()，C σ進(jìn)行訓(xùn)練，并計(jì)算風(fēng)險評價準(zhǔn)確率。風(fēng)險評價準(zhǔn)確率的計(jì)算采用K CV ? 交叉驗(yàn)證方法，K CV ? 方法可以有效地避免過學(xué)習(xí)以及欠學(xué)習(xí)狀態(tài)的發(fā)生，最后得到的結(jié)果也比較具有說服性。在大區(qū)域上找出模型評價性能好（參數(shù)組合相對較優(yōu)）的一個好區(qū)域，再在這個小區(qū)域上的參數(shù)范圍進(jìn)一步細(xì)分網(wǎng)格，調(diào)整步長應(yīng)用網(wǎng)格搜索法尋找最優(yōu)參數(shù)組合，根據(jù)K CV ? 交叉驗(yàn)證評價準(zhǔn)確率排序，選擇評價準(zhǔn)確率最高的參數(shù)組合作為模型的最優(yōu)

10、參數(shù)。該法將兩個參數(shù)同時考慮可以建立具有最佳評價能力的基于支持向量機(jī)的礦井瓦斯突出風(fēng)險評價模型。
　　 （6）本文建立了擅長解決小樣本問題的C SVM ? 支持向量機(jī)瓦斯突出風(fēng)險評價模型。C SVM ? 支持向量機(jī)方法不僅能夠解決復(fù)雜非線性系統(tǒng)的評價問題，其優(yōu)勢還在于能夠解決小樣本的分類、函數(shù)逼近和模式識別問題，對于礦井瓦斯突出風(fēng)險評價來說，支持向量機(jī)無疑是最好的研究工具和方法。本文建立了基于小樣本的C SVM ? 支持向量機(jī)瓦

11、斯突出風(fēng)險評價模型，應(yīng)用礦井實(shí)測數(shù)據(jù)研究表明，該模型用于實(shí)際評價具有很好的泛化能力，可用于礦井瓦斯突出風(fēng)險的實(shí)際評價，可以有效地指導(dǎo)礦井及時正確地開展瓦斯突出防治工作。
　　 （7）本文對多種可用于礦井瓦斯突出風(fēng)險評價的方法進(jìn)行了實(shí)證比較研究。
　　 得出：單項(xiàng)指標(biāo)法和綜合指標(biāo)，D K法的評價結(jié)果與實(shí)際結(jié)果并不完全一致，因?yàn)檫@兩種方法只是強(qiáng)調(diào)其中的個別因素對礦井瓦斯突出的影響，而不能全面系統(tǒng)地刻畫礦井瓦斯突出復(fù)雜系統(tǒng)多因

12、素的非線性關(guān)系，不能把握礦井瓦斯突出風(fēng)險評價的本質(zhì)。C SVM ? 支持向量機(jī)方法評價準(zhǔn)確率比神經(jīng)網(wǎng)絡(luò)方法略高，顯示出支持向量機(jī)模型具有更高的泛化能力。尤其是在小樣本數(shù)據(jù)情況下C SVM ? 支持向量機(jī)仍然具有較高的評價精度。而神經(jīng)網(wǎng)絡(luò)在小樣本訓(xùn)練樣本條件下建立評價模型的泛化能力有較明顯的下降。說明：支持向量機(jī)在解決小樣本評價問題時較其他模型有明顯優(yōu)勢，可用來對礦井瓦斯突出風(fēng)險進(jìn)行評價，該方法是基于小樣本的評價，不僅可以解決礦井安全系統(tǒng)