煤與瓦斯突出是煤礦開采、生產(chǎn)過程中最嚴重、破壞性最大的安全事故之一,其安全問題已成為我國能源安全的工作重中之重。煤與瓦斯突出問題是一個受多種因素綜合影響的復(fù)雜的、非線性的、高維問題。在現(xiàn)實中,由于技術(shù)或人為原因,導(dǎo)致事故突出數(shù)據(jù)容易存在缺失情況,在以往的研究中大多采取直接刪除,但是容易導(dǎo)致樣本數(shù)據(jù)處于不平衡狀態(tài)。因此提高不平衡數(shù)據(jù)下突出樣本的預(yù)測精度是尚需解決的問題。本文首先對近十年的事故數(shù)據(jù)進行多維度統(tǒng)計分析,并基于數(shù)據(jù)驅(qū)動思想提取事故關(guān)鍵詞,并總結(jié)出了煤炭安全問題新形勢和新特點。得出環(huán)境類因素占比最重。然后對煤與瓦斯突出機理和影響因素進行深入研究,完成煤與瓦斯突出指標體系的構(gòu)建,最后為了進一步準確預(yù)測突出情況,降低煤與瓦斯突出事故的發(fā)生率,對基本鯨魚算法進行改進,構(gòu)建混合核極限學(xué)習(xí)機,采用改進的鯨魚算法對其參數(shù)進行尋優(yōu),并將該模型應(yīng)用到煤與瓦斯突出危險性預(yù)測上。通過對淮南煤礦的樣本數(shù)據(jù)進行處理,構(gòu)建填補前后的數(shù)據(jù)集,將選取的各影響因素輸入到IWRWOA-HKELM中試驗100次,并與HKELM、WOA-HKELM等其他模型進行對比。結(jié)果表明:本文提出的改進鯨魚算法優(yōu)化了混合核極限學(xué)... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究技術(shù)路線

41.3技術(shù)路線M樄簄簄簄簄簄滅茄茄圖1.1研究技術(shù)路線Figure1.1TechnicalRoute1.4研究內(nèi)容煤與瓦斯突出是煤炭生產(chǎn)中嚴重的自然災(zāi)害，每年國內(nèi)因為瓦斯事故的損失均非常嚴重。若能對其進行準確預(yù)測，則可以避免大量的生命危險和財產(chǎn)損失。所以，本文將

21Figure3.1predictionindexsystemofcoalandgasoutburst4煤與瓦斯突出預(yù)測模型設(shè)計4.1混合核極限學(xué)習(xí)機4.1.1基本極限學(xué)習(xí)機極限學(xué)習(xí)機是一種單隱含層的前饋神經(jīng)網(wǎng)絡(luò)。其基本模型理論為：假定有N個任意樣本tX),(，若g(x)表示隱含層映射函數(shù)，W和b表示輸入權(quán)重和隱含層偏置，β和L表示輸出權(quán)重和隱含層節(jié)點數(shù)。ELM算法的示意圖如下所示。1βLβ圖4.1極限學(xué)習(xí)機示意圖Figure4.1schematicdiagramofultimatelearningmachine其中，左邊為輸入層，jx表示第j個樣本，Tjnjjjxxxx],,[21=K，中間為隱藏層，輸入層與第i個隱藏節(jié)點的連接權(quán)值為iw，=,....2,1Li,Tiniiiwwww],.....,[2,1=，第i個節(jié)點的偏差值為ib，),(iibw隨機生成，xg)(表示激活函數(shù)，輸出層與第i個隱藏節(jié)點的連接權(quán)值為iβ，最右邊為輸出層，輸出值為jo。由此該單層神經(jīng)網(wǎng)絡(luò)可表示為：WNjobXgjLiijii==+=3,2,1)(1β（4-1）為使輸出值和真實值的誤差盡可能小，即01==Njjjto（4-2）

【參考文獻】：
期刊論文
[1]煤層突出區(qū)域預(yù)測指標瓦斯含量臨界值確定方法研究[J]. 郭杰,鄧奇根.  煤炭技術(shù). 2020(04)
[2]Review of coal and gas outburst in Australian underground coal mines[J]. Dennis J.Black.  International Journal of Mining Science and Technology. 2019(06)
[3]突出過程中煤層瓦斯壓力與溫度演化規(guī)律研究[J]. 許江,楊孝波,周斌,彭守建,程亮,閆發(fā)志.  中國礦業(yè)大學(xué)學(xué)報. 2019(06)
[4]基于LLE-FOA-BP模型的煤與瓦斯突出強度預(yù)測[J]. 隆能增,袁梅,敖選俊,李鑫靈,張平.  工礦自動化. 2019(10)
[5]煤與瓦斯突出區(qū)域預(yù)測瓦斯地質(zhì)方法的可靠性預(yù)計[J]. 王子健,程五一.  煤礦安全. 2019(09)
[6]基于貝葉斯網(wǎng)絡(luò)的煤礦瓦斯爆炸事故致因分析[J]. 張寧,盛武.  工礦自動化. 2019(07)
[7]基于TensorFlow的時間序列預(yù)測系統(tǒng)[J]. 劉俊利,何波,胡雅萌.  現(xiàn)代計算機. 2019(14)
[8]基于時間序列與GWO-ELM模型的滑坡位移預(yù)測[J]. 廖康,吳益平,李麟瑋,苗發(fā)盛,薛陽.  中南大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[9]非線性權(quán)重和收斂因子的鯨魚算法[J]. 王濤,Ryad Chellali.  微電子學(xué)與計算機. 2019(01)
[10]煤與瓦斯突出多指標耦合預(yù)測模型研究及應(yīng)用[J]. 張友誼,崔金雷,焦向東.  工程科學(xué)學(xué)報. 2018(11)

博士論文
[1]陜北榆神礦區(qū)生態(tài)地質(zhì)環(huán)境特征及煤炭開采影響機理研究[D]. 楊志.中國礦業(yè)大學(xué) 2019
[2]基于瓦斯含量法的煤與瓦斯突出預(yù)測關(guān)鍵技術(shù)研究[D]. 鄭曉亮.安徽理工大學(xué) 2018
[3]煤與瓦斯突出事故預(yù)警研究[D]. 高明明.遼寧工程技術(shù)大學(xué) 2015
[4]煤與瓦斯突出的耦合災(zāi)變機制及非線性分析[D]. 趙志剛.山東科技大學(xué) 2007

碩士論文
[1]基于Spark的煤與瓦斯突出預(yù)警研究[D]. 邵帆.西安科技大學(xué) 2019
[2]基于灰色關(guān)聯(lián)分析和PSO-SVM的煤與瓦斯突出預(yù)測應(yīng)用研究[D]. 孫利源.中國礦業(yè)大學(xué) 2019
[3]基于粒子群算法優(yōu)化混合核極限學(xué)習(xí)機的構(gòu)造煤厚度預(yù)測研究與應(yīng)用[D]. 范君.中國礦業(yè)大學(xué) 2018
[4]我國煤炭產(chǎn)能過剩的形成機理及調(diào)控對策研究[D]. 張言方.中國礦業(yè)大學(xué) 2014
[5]立井掘進過程中的煤與瓦斯突出動力現(xiàn)象研究[D]. 程建圣.安徽理工大學(xué) 2006



本文編號：3536533