隨著機器學(xué)習(xí)與數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展,大數(shù)據(jù)處理技術(shù)逐漸在各行各業(yè)中扮演著驅(qū)動性的角色,對企業(yè)傳統(tǒng)的經(jīng)營管理模式產(chǎn)生了巨大的沖擊與變革。在煤礦開采領(lǐng)域,由于煤礦自身信息化建設(shè)水平的局限性,起步較晚。瓦斯?jié)舛缺O(jiān)測基本上實現(xiàn)了瓦斯數(shù)據(jù)的采集、匯總、儲存與共享階段,但在數(shù)據(jù)的深層次挖掘研究方面相對滯后。如果有效利用瓦斯監(jiān)測數(shù)據(jù)庫中這些具有較強關(guān)聯(lián)特征的數(shù)據(jù),結(jié)合同一時段內(nèi)采掘工作面的采煤量、風(fēng)流速度、瓦斯抽采量、工作面推進速度等相關(guān)影響因素,利用支持向量機回歸與分類預(yù)測技術(shù),挖掘出這些因素間隱藏的內(nèi)在聯(lián)系,以及這些因素共同對回采工作面、掘進工作面、回風(fēng)巷等瓦斯事故高發(fā)區(qū)域瓦斯?jié)舛鹊挠绊憽亩梢詫⑦@些規(guī)律應(yīng)用到礦井瓦斯?jié)舛犬惓７治�、瓦斯事故風(fēng)險預(yù)測等方面,為礦井的安全決策、風(fēng)險預(yù)評估、瓦斯事故的預(yù)防提供參考意義。本文在研究過程中,主要完成了以下幾個方面工作:（1）研究了支持向量機的非線性預(yù)測理論,并分析了該理論在礦井瓦斯事故風(fēng)險預(yù)測方面的優(yōu)越性,為后續(xù)的研究工作提供理論基礎(chǔ)。（2）通過對瓦斯易積聚區(qū)域內(nèi)瓦斯?jié)舛扔绊懸蛩氐姆治?并結(jié)合相關(guān)區(qū)域瓦斯?jié)舛缺O(jiān)測數(shù)據(jù)形成了瓦斯?jié)舛阮A(yù)測的樣本數(shù)據(jù),基于非... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【部分圖文】：

006-2017年我國煤礦安全事故總體情況

圖 1-1 2006-2017 年我國煤礦安全事故總體情況Fig.1-1 Overall situation of coal mine safety accidents in China from 2006 to 利用有效的瓦斯事故風(fēng)險預(yù)測方法對礦井回采工作面、掘進工作高發(fā)區(qū)域進行瓦斯?jié)舛扰c瓦斯事故風(fēng)險進行預(yù)測，預(yù)先評估瓦斯故的發(fā)生的概率就變的尤為重要。

論文結(jié)構(gòu)框圖

【參考文獻】：
期刊論文
[1]國際能源轉(zhuǎn)型的趨勢與挑戰(zhàn)[J]. 孫賢勝,許慧文.  國際石油經(jīng)濟. 2018(01)
[2]基于高斯核函數(shù)支持向量機的腦電信號時頻特征情感多類識別[J]. 李幼軍,鐘寧,黃佳進,栗覓,王東升.  北京工業(yè)大學(xué)學(xué)報. 2018(02)
[3]基于參數(shù)優(yōu)化支持向量機的水稻施氮水平分類研究[J]. 周瓊,楊紅云,楊珺,孫玉婷,楊文姬,石強強.  南方農(nóng)業(yè)學(xué)報. 2017(08)
[4]改進粒子群算法優(yōu)化支持向量機在故障診斷中的應(yīng)用研究[J]. 孫瑤琴.  計算機測量與控制. 2017(03)
[5]基于混沌粒子群神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛阮A(yù)測[J]. 耿越.  中國煤炭. 2017(03)
[6]利用智能算法優(yōu)化支持向量機參數(shù)[J]. 崔君榮,苑薇薇.  河北科技師范學(xué)院學(xué)報. 2017(01)
[7]基于交叉驗證支持向量機算法的交通狀態(tài)判別研究[J]. 高林,盛子豪,劉英.  青島科技大學(xué)學(xué)報(自然科學(xué)版). 2017(01)
[8]支持向量機在高考成績預(yù)測分析中的應(yīng)用[J]. 張莉,盧星凝,陸從林,王邦軍,李凡長.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2017(01)
[9]深度學(xué)習(xí)耦合粒子群優(yōu)化SVM的瓦斯?jié)舛阮A(yù)測[J]. 錢建生,邱春榮,李紫陽,吳響.  煤礦安全. 2016(11)
[10]統(tǒng)計學(xué)習(xí)理論基礎(chǔ)研究新進展[J]. 杜二玲,范毅君,李海軍.  現(xiàn)代工業(yè)經(jīng)濟和信息化. 2016(18)

博士論文
[1]粒子群算法研究及其工程應(yīng)用案例[D]. 邵晴.吉林大學(xué) 2017
[2]煤與瓦斯突出能量分析及其物理模擬的相似性研究[D]. 張慶賀.山東大學(xué) 2017
[3]煤礦安全風(fēng)險評價與預(yù)警研究[D]. 楊軍.中國礦業(yè)大學(xué) 2013
[4]基于安全監(jiān)控系統(tǒng)實測數(shù)據(jù)的瓦斯?jié)舛阮A(yù)測預(yù)警研究[D]. 董丁穩(wěn).西安科技大學(xué) 2012
[5]支持向量機學(xué)習(xí)算法若干問題的研究[D]. 常甜甜.西安電子科技大學(xué) 2010
[6]基于支持向量機數(shù)據(jù)融合的礦井瓦斯預(yù)警技術(shù)研究[D]. 黃為勇.中國礦業(yè)大學(xué) 2009

碩士論文
[1]綜放工作面瓦斯涌出規(guī)律及治理技術(shù)研究[D]. 王洪武.內(nèi)蒙古科技大學(xué) 2017
[2]基于支持向量機的礦井巷道摩擦阻力系數(shù)預(yù)測研究[D]. 張歡歡.西安科技大學(xué) 2017
[3]我國煤礦生產(chǎn)安全事故統(tǒng)計分析及預(yù)測[D]. 趙春俠.西南科技大學(xué) 2017
[4]基于功效系數(shù)法的J公司財務(wù)風(fēng)險評價研究[D]. 于宛平.沈陽工業(yè)大學(xué) 2017
[5]基于支持向量機的量化擇時策略及實證研究[D]. 宋文達.西安工業(yè)大學(xué) 2017
[6]基于AHP—模糊綜合評價法的農(nóng)村電網(wǎng)改造項目后評價研究[D]. 高璐.吉林大學(xué) 2017
[7]基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的加熱爐建模方法研究[D]. 楊猛.中國科學(xué)技術(shù)大學(xué) 2017
[8]半監(jiān)督學(xué)習(xí)分類算法的研究[D]. 陳英豪.江蘇大學(xué) 2017
[9]基于PSO-SVR的瓦斯?jié)舛阮A(yù)測方法研究[D]. 邱春榮.中國礦業(yè)大學(xué) 2017
[10]基于多尺度核加權(quán)融合的支持向量機核函數(shù)優(yōu)化方法的研究[D]. 陳洋洋.杭州電子科技大學(xué) 2017



本文編號：3533461