本文在簡(jiǎn)要分析煤礦百萬噸死亡率計(jì)算方法和存在問題的基礎(chǔ)上,結(jié)合各產(chǎn)煤省區(qū)近幾年來的煤礦百萬噸死亡數(shù)據(jù),利用灰色關(guān)聯(lián)分析方法、基于Vague思想的[-1,1]線性生成算子的數(shù)據(jù)無量綱化處理方法和基于煤炭產(chǎn)量的關(guān)聯(lián)度加權(quán)的兩種改進(jìn)灰色關(guān)聯(lián)分析方法,建立了包括集體所有制煤礦產(chǎn)量所占比例、高瓦斯礦井所占比例、煤與瓦斯突出礦井所占比例、從業(yè)人員中工程技術(shù)人員比例、機(jī)械化掘進(jìn)率、采煤機(jī)械化率、從業(yè)人員平均工資、綜合機(jī)械化采煤率、原煤全員效率的煤礦百萬噸死亡率預(yù)測(cè)指標(biāo)體系；接著引入了基于緩沖算子的灰色預(yù)測(cè)模型,對(duì)煤礦百萬噸死亡率預(yù)測(cè)的指標(biāo)進(jìn)行了測(cè)算,并從前10階的緩沖算子的預(yù)測(cè)結(jié)果中選取最佳測(cè)算值；最后,提出基于一種多階灰色、最小二乘支持向量機(jī)的煤礦百萬噸死亡率組合預(yù)測(cè)新模型Dm-GM(1,1)-LSSVM;利用遺傳算法、粒子群算法和網(wǎng)格搜索算法分別對(duì)新模型中的懲罰參數(shù)和核參數(shù)進(jìn)行尋優(yōu)。通過實(shí)例驗(yàn)證,本論文建立的模型和計(jì)算方法提高了煤礦百萬噸死亡率的預(yù)測(cè)精度。

【文章頁數(shù)】：124 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
詳細(xì)摘要
Detailed Abstract
1 緒論
    1.1 課題的選題背景及意義
        1.1.1 課題的選題背景
        1.1.2 課題研究的意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 煤礦事故預(yù)測(cè)模型研究現(xiàn)狀
        1.2.2 支持向量機(jī)研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容與技術(shù)路線
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文的組織結(jié)構(gòu)
    1.4 本章小結(jié)
2 相關(guān)理論基礎(chǔ)
    2.1 統(tǒng)計(jì)學(xué)習(xí)問題
        2.1.1 機(jī)器學(xué)習(xí)的問題表示
        2.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
        2.1.3 VC維
        2.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    2.2 常用預(yù)測(cè)模型
        2.2.1 時(shí)間序列模型
        2.2.2 灰色模型
        2.2.3 人工神經(jīng)網(wǎng)絡(luò)模型
    2.3 支持向量機(jī)
        2.3.1 最優(yōu)分類超平面
        2.3.2 支持向量回歸機(jī)
        2.3.3 線性回歸原理
        2.3.4 非線性回歸原理
        2.3.5 核函數(shù)
    2.4 本章小結(jié)
3 煤礦百萬噸死亡率預(yù)測(cè)指標(biāo)體系的建立
    3.1 煤礦百萬噸死亡率影響因素構(gòu)成
        3.1.1 煤礦安全生產(chǎn)控制指標(biāo)
        3.1.2 指標(biāo)的下達(dá)方式及分解計(jì)算方法
        3.1.3 煤礦百萬噸死亡率影響因子構(gòu)成
    3.2 基于灰色關(guān)聯(lián)分析的煤礦百萬噸死亡率指標(biāo)體系的建立
        3.2.1 灰色關(guān)聯(lián)分析的基本特征
        3.2.2 灰色關(guān)聯(lián)分析模型
        3.2.3 2004年煤礦百萬噸死亡率關(guān)聯(lián)分析
        3.2.4 2010年煤礦百萬噸死亡率關(guān)聯(lián)分析
        3.2.5 煤礦百萬噸死亡率灰色關(guān)聯(lián)分析結(jié)果對(duì)比
    3.3 基與改進(jìn)的灰色關(guān)聯(lián)煤礦百萬噸死亡率指標(biāo)體系的建立
        3.3.1 數(shù)據(jù)無量綱化處理方法的改進(jìn)
        3.3.2 關(guān)聯(lián)度加權(quán)改進(jìn)算法
        3.3.3 煤礦百萬噸死亡率改進(jìn)灰色關(guān)聯(lián)分析結(jié)果對(duì)比
    3.4 本章小結(jié)
4 基于灰色模型的煤礦百萬噸死亡率指標(biāo)的測(cè)算
    4.1 煤礦百萬噸死亡率GM(1,1)模型
        4.1.1 GM(1,1)模型建模機(jī)理
        4.1.2 GM(1,1)模型的檢驗(yàn)
    4.2 煤礦百萬噸死亡率D_m-GM(1,1)模型
        4.2.1 緩沖算子改進(jìn)灰色模型的建立過程
        4.2.2 緩沖算子改進(jìn)灰色模型的優(yōu)點(diǎn)
    4.3 D_m-GM(1,1)模型在煤礦百萬噸死亡率指標(biāo)測(cè)算中的應(yīng)用
        4.3.1 煤礦百萬噸死亡率原始數(shù)據(jù)處理
        4.3.2 基于GM(1,1)模型的煤礦百萬噸死亡率指標(biāo)測(cè)算
        4.3.3 基于D-GM(1,1)模型的煤礦百萬噸死亡率指標(biāo)測(cè)算
        4.3.4 基于D_m-GM(1,1)模型的煤礦百萬噸死亡率指標(biāo)測(cè)算
        4.3.5 基于D_m-GM(1,1)煤礦百萬噸死亡率指標(biāo)誤差檢驗(yàn)
        4.3.6 預(yù)測(cè)結(jié)果分析
    4.4 本章小結(jié)
5 基于支持向量機(jī)的煤礦百萬噸死亡率預(yù)測(cè)模型研究
    5.1 支持向量機(jī)模型選擇
        5.1.1 最小二乘支持向量機(jī)叢本原理
        5.1.2 核函數(shù)的選取
        5.1.3 預(yù)測(cè)誤差分析的指標(biāo)
        5.1.4 LSSVM參數(shù)選擇算法優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn)
        5.1.5 LSSVM參數(shù)的優(yōu)化
    5.2 遺傳算法(GA)優(yōu)化LSSVM
        5.2.1 遺傳算法
        5.2.2 遺傳算法優(yōu)化LSSVM
    5.3 粒子群(PSO)算法優(yōu)化LSSVM
        5.3.1 粒子群算法理論
        5.3.2 粒子群算法優(yōu)化LSSVM
    5.4 LSSVM煤礦百萬噸死亡率預(yù)測(cè)
        5.4.1 煤礦百萬噸死亡率樣本數(shù)據(jù)的歸一化處理
        5.4.2 煤礦百萬噸死亡率模型參數(shù)選取
        5.4.3 煤礦百萬噸死亡率訓(xùn)練樣本預(yù)測(cè)
        5.4.4 煤礦百萬噸死亡率測(cè)試樣本預(yù)測(cè)
    5.5 D_m-GM(1,1)-LSSVM煤礦百萬噸死亡率預(yù)測(cè)
        5.5.1 2010的未來兩年指標(biāo)灰色預(yù)測(cè)
        5.5.2 2010的未來兩年煤礦百萬噸死亡率D_m-GM(1,1)-LSSVM預(yù)測(cè)
        5.5.3 與其他預(yù)測(cè)方法的比較
    5.6 本章小結(jié)
6 總結(jié)和展望
    6.1 主要工作與創(chuàng)新
    6.2 進(jìn)一步研究方向
參考文獻(xiàn)
致謝
讀博期間發(fā)表的學(xué)術(shù)論文及參與項(xiàng)目



本文編號(hào)：4034591