本文關鍵詞：基于最小二乘支持向量機的瓦斯涌出量預測控制

  更多相關文章： 瓦斯涌出量 智能預測 最小二乘支持向量機 核函數(shù)參數(shù)尋優(yōu) MATLAB GUI

【摘要】：在礦井通風設計、瓦斯抽放工程設計、瓦斯防治工作中,瓦斯涌出量預測是必不可少的環(huán)節(jié)。預測的精度直接影響到煤礦生產(chǎn)的正常進行。長期以來,許多學者對瓦斯?jié)舛阮A測進行了大量的研究,并提出了許多有效的方法。本文在充分學習和研究一些經(jīng)典預測方法和當前熱點預測方法的基礎上,建立了基于最小二乘支持向量機的預測模型,研究結(jié)果說明,與經(jīng)典方法相比,基于最小二乘支持向量機的預測模型具有更好的預測效果和更好的泛化性能。 本文在總結(jié)經(jīng)典預測方法的基礎上,運用分源預測法的理論,選取了采煤工作面的開采煤層、臨近煤層、采空區(qū)三個區(qū)域分別進行研究,并針對三個不同的區(qū)域分別選取了不同的瓦斯涌出量的影響因子集。 在深入研究支持向量機和最小二乘支持向量機理論的基礎上,本文建立基于最小二乘支持向量機的瓦斯涌出量預測模型,選用徑向基核函數(shù)作為核函數(shù),用自調(diào)節(jié)網(wǎng)格搜索法進行核函數(shù)參數(shù)的尋優(yōu),并用MATLAB仿真,進行了實例分析,測試模型的準確性。 選取機器學習方法中比較經(jīng)典的人工神經(jīng)網(wǎng)絡方法對同一實際測量數(shù)據(jù)進行預測對比,通過誤差分析表明,LSSVM預測模型的預測精度明顯高于BP人工神經(jīng)網(wǎng)絡的模型。證明了最小二乘支持向量機理論應用于瓦斯涌出量預測具有良好的預測性能和泛化性能,證明了該理論的合理性和優(yōu)越性。 最后,結(jié)合煤礦需要實時進行瓦斯涌出量預測的實際,運用MTTLAB的GUI功能設計編制了基于最小二乘支持向量機的瓦斯涌出量預測軟件,便于該理論的實際應用,界面友好,使用方便。
【關鍵詞】：瓦斯涌出量 智能預測 最小二乘支持向量機 核函數(shù)參數(shù)尋優(yōu) MATLAB GUI
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TD712.5
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 引言9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 基于人工神經(jīng)網(wǎng)絡的預測方法10-11
• 1.2.2 基于模糊理論的預測方法11
• 1.2.3 基于灰色理論的預測方法11-12
• 1.2.4 基于支持向量機的研究方法12-13
• 1.3 主要研究工作13-15
• 第二章 最小二乘支持向量機理論15-31
• 2.1 統(tǒng)計學習理論15-19
• 2.1.1 機器學習問題15-17
• 2.1.2 VC維理論17
• 2.1.3 推廣性的界17-18
• 2.1.4 結(jié)構風險最小化18-19
• 2.2 支持向量機理論19-26
• 2.2.1 回歸分析簡介19-20
• 2.2.2 支持向量機回歸的基本思想20
• 2.2.3 標準SVM回歸算法20-22
• 2.2.4 LSSVM回歸算法22-24
• 2.2.5 核函數(shù)的選擇24-25
• 2.2.6 參數(shù)的選擇方法25-26
• 2.3 MATLAB工具箱的分類和功能26-28
• 2.3.1 SVM工具箱簡介26-27
• 2.3.2 LSSVM工具箱簡介27-28
• 2.4 小結(jié)28-31
• 第三章 基于最小二乘支持向量機的瓦斯涌出量預測模型的建立31-39
• 3.1 煤層瓦斯形成和賦存31-32
• 3.2 瓦斯涌出量的影響因素32-35
• 3.2.1 自然因素33
• 3.2.2 開采技術因素33-35
• 3.3 瓦斯涌出量影響因子的選取35-37
• 3.4 預測模型的建立37-38
• 3.4.1 瓦斯涌出量預測的步驟37-38
• 3.4.2 建�；玖鞒�38
• 3.5 小結(jié)38-39
• 第四章 瓦斯涌出量預測實例分析39-55
• 4.1 基于LSSVM的瓦斯涌出量預測39-46
• 4.1.1 開采煤層瓦斯涌出量預測39-42
• 4.1.2 鄰近煤層瓦斯涌出量預測42-44
• 4.1.3 采空區(qū)瓦斯涌出量預測44-46
• 4.2 基于BP人工神經(jīng)網(wǎng)絡的瓦斯涌出量預測46-53
• 4.2.1 人工神經(jīng)網(wǎng)絡的原理和運行機制46-48
• 4.2.2 基于BP人工神經(jīng)網(wǎng)絡的瓦斯涌出量預測建模48-50
• 4.2.3 開采煤層瓦斯涌出量預測50-51
• 4.2.4 臨近煤層瓦斯涌出量預測51-52
• 4.2.5 采空區(qū)瓦斯涌出量預測52-53
• 4.3 瓦斯涌出量預測結(jié)果分析53-54
• 4.4 小結(jié)54-55
• 第五章 基于GUI的LSSVM瓦斯涌出量預測軟件55-65
• 5.1 軟件編制環(huán)境簡介55-58
• 5.1.1 MATLAB圖形用戶界面平臺簡介55-56
• 5.1.2 圖形界面創(chuàng)建工具GUIDE簡介56-58
• 5.2 軟件實現(xiàn)的功能58
• 5.3 軟件使用說明58-64
• 5.4 小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 總結(jié)65-66
• 6.2 展望66-67
• 參考文獻67-71
• 致謝71-72
• 攻讀學位期間發(fā)表的學術論文72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 李方方;趙英凱;顏昕;;基于Matlab的最小二乘支持向量機的工具箱及其應用[J];計算機應用;2006年S2期

2 唐朝偉;何國田;徐昌彪;趙麗娟;;神經(jīng)網(wǎng)絡在采煤工作面瓦斯涌出量預測中的應用[J];計算機應用;2007年S2期

3 劉星魁;謝金亮;;煤礦安全生產(chǎn)現(xiàn)狀及對策探討[J];煤炭技術;2008年01期

4 楊敏;汪云甲;程遠平;;煤與瓦斯突出預測的改進差分進化神經(jīng)網(wǎng)絡模型研究[J];中國礦業(yè)大學學報;2009年03期

5 孫斌;;瓦斯涌出量灰色預測[J];中國煤炭;2007年08期

，

本文編號：1064968