本文關(guān)鍵詞：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

  更多相關(guān)文章： 瓦斯涌出量 流形學(xué)習(xí)算法 支持向量理論 參數(shù)尋優(yōu) 混合炸藥

【摘要】：煤炭工業(yè)是一個(gè)危險(xiǎn)性極高的行業(yè)，在生產(chǎn)過(guò)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(wèn)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(guò)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。該模型能夠?yàn)楹笃谕咚褂砍隽刻峁﹨⒖家罁?jù)，同時(shí)對(duì)瓦斯涌出量預(yù)測(cè)方法研究有一定的指導(dǎo)意義。而且基于流形學(xué)習(xí)算法和支持向量機(jī)理論的預(yù)測(cè)方法適用性較強(qiáng)，具有一定推廣和實(shí)用價(jià)值。
【關(guān)鍵詞】：瓦斯涌出量 流形學(xué)習(xí)算法 支持向量理論 參數(shù)尋優(yōu) 混合炸藥
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TD712.5
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 1 緒論9-17
• 1.1 選題背景及意義9-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.3 論文研究的主要內(nèi)容15-17
• 2 礦井瓦斯涌出量影響因素的分析17-26
• 2.1 概述17-18
• 2.2 煤層瓦斯的賦存及含量18-20
• 2.2.1 瓦斯的成因與賦存狀態(tài)18
• 2.2.2 煤層瓦斯垂直分布帶及含量18-20
• 2.3 影響煤層瓦斯含量因素20-22
• 2.4 礦井瓦斯涌出量及其影響因素22-25
• 2.4.1 瓦斯涌出量計(jì)算22-23
• 2.4.2 影響瓦斯涌出量的因素23-25
• 2.5 本章小結(jié)25-26
• 3 支持向量機(jī)理論和流形學(xué)習(xí)算法26-40
• 3.1 支持向量機(jī)理論26-31
• 3.1.1 統(tǒng)計(jì)學(xué)習(xí)理論27
• 3.1.2 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理27-28
• 3.1.3 支持向量回歸機(jī)理論28-31
• 3.2 流形學(xué)習(xí)算法31-36
• 3.2.1 等距映射算法32-33
• 3.2.2 局部線(xiàn)性映射算法33-34
• 3.2.3 拉普拉斯特征映射算法34
• 3.2.4 Hessian 局部線(xiàn)性映射算法34-35
• 3.2.5 局部切空間排列算法35-36
• 3.3 理論應(yīng)用36-39
• 3.4 本章小結(jié)39-40
• 4 礦井瓦斯涌出量預(yù)測(cè)模型的建立40-47
• 4.1 數(shù)據(jù)的采集及預(yù)處理41-42
• 4.2 模型參數(shù)尋優(yōu)42-45
• 4.2.1 交叉驗(yàn)證參數(shù)尋優(yōu)42-43
• 4.2.2 遺傳算法參數(shù)尋優(yōu)43-44
• 4.2.3 粒子群遺傳算法參數(shù)尋優(yōu)44-45
• 4.3 支持向量機(jī)算法實(shí)現(xiàn)45-46
• 4.4 模型的測(cè)試與驗(yàn)證46-47
• 5 實(shí)際礦井瓦斯涌出量預(yù)測(cè)分析47-64
• 5.1 LTSA-GA-SVM 瓦斯涌出量預(yù)測(cè)模型48-51
• 5.2 LTSA-PSO-SVM 瓦斯涌出量預(yù)測(cè)模型51-53
• 5.3 LTSA-CV-SVM 瓦斯涌出量預(yù)測(cè)模型53-55
• 5.4 模型預(yù)測(cè)結(jié)果對(duì)比分析55-57
• 5.5 流形學(xué)習(xí)算法和支持向量機(jī)瓦斯涌出量預(yù)測(cè)模型57-58
• 5.6 炸藥爆轟參數(shù)預(yù)測(cè)分析58-62
• 5.6.1 混合炸藥爆速的預(yù)測(cè)59-60
• 5.6.2 混合炸藥爆熱的預(yù)測(cè)60-62
• 5.6.3 與混合炸藥爆速試驗(yàn)值對(duì)比62
• 5.7 本章小結(jié)62-64
• 6 結(jié)論與展望64-66
• 6.1 結(jié)論64-65
• 6.2 展望65-66
• 參考文獻(xiàn)66-71
• 攻讀碩士學(xué)位期間發(fā)表的論文71-72
• 致謝72-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張石清;李樂(lè)民;趙知?jiǎng)?;基于一種改進(jìn)的監(jiān)督流形學(xué)習(xí)算法的語(yǔ)音情感識(shí)別[J];電子與信息學(xué)報(bào);2010年11期

2 夏紅春,程遠(yuǎn)平,李順?lè)?基于最小二乘法的礦井深部區(qū)域瓦斯涌出量預(yù)測(cè)[J];礦業(yè)安全與環(huán)保;2002年04期

3 王恩營(yíng);;分層開(kāi)采掘進(jìn)工作面瓦斯涌出規(guī)律及預(yù)測(cè)[J];礦業(yè)安全與環(huán)保;2006年06期

4 梁亮;楊敏華;李英芳;;基于ICA與SVM算法的高光譜遙感影像分類(lèi)[J];光譜學(xué)與光譜分析;2010年10期

5 陳祖云;張桂珍;鄔長(zhǎng)福;楊勝?gòu)?qiáng);;基于支持向量機(jī)的煤與瓦斯突出預(yù)測(cè)研究[J];工業(yè)安全與環(huán)保;2010年05期

6 劉雪梅;柳建設(shè);;基于LS-SVM建模方法近紅外光譜檢測(cè)土壤速效N和速效K的研究[J];光譜學(xué)與光譜分析;2012年11期

7 付華;王福嬌;陳子春;;基于分?jǐn)?shù)階神經(jīng)網(wǎng)絡(luò)的瓦斯涌出量預(yù)測(cè)[J];傳感器與微系統(tǒng);2013年05期

8 高崢;杜川;;基于流形學(xué)習(xí)算法的人臉識(shí)別研究[J];河南機(jī)電高等專(zhuān)科學(xué)校學(xué)報(bào);2011年04期

9 葉淳錚;常鮮戎;顧為國(guó);;基于小波變換和支持向量機(jī)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[J];電力系統(tǒng)保護(hù)與控制;2009年14期

10 侯志榮,呂振肅;基于MATLAB的粒子群優(yōu)化算法及其應(yīng)用[J];計(jì)算機(jī)仿真;2003年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 雷迎科;流形學(xué)習(xí)算法及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

本文編號(hào)：1053874