本文關(guān)鍵詞：加權(quán)GA-BP網(wǎng)絡(luò)與SVM在煤與瓦斯突出預(yù)測中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國經(jīng)濟(jì)的蓬勃發(fā)展,對(duì)煤的需求量也逐年上升,煤是冶金、化工的重要原料。因大量開采煤礦而帶來的礦井事故也頻繁出現(xiàn),其中,煤與瓦斯突出而導(dǎo)致的事故占所有礦井事故比重最大。突出事故頻繁出現(xiàn)的原因有很多,不能準(zhǔn)確有效預(yù)測出突出是造成事故發(fā)生的重要原因之一。根據(jù)預(yù)測結(jié)果可以采取相應(yīng)的安全措施,把危險(xiǎn)降低到最小值。所以,一個(gè)準(zhǔn)確率高的預(yù)測模型是可以有效的減小事故發(fā)生率,提高安全生產(chǎn)系數(shù)。本文分別運(yùn)用神經(jīng)網(wǎng)絡(luò)與S V M構(gòu)造出兩種突出預(yù)測模型。在神經(jīng)網(wǎng)絡(luò)預(yù)測模型中,運(yùn)用了G A算法來優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值,提高網(wǎng)絡(luò)性能;在S V M預(yù)測模型中,合理選擇核函數(shù),然后再根據(jù)核函數(shù)確定出需要優(yōu)化的參數(shù),對(duì)比各種不同的參數(shù)優(yōu)化法選擇出最佳的參數(shù)c值和g值,這樣可以提高所構(gòu)建的S V M訓(xùn)練與測試時(shí)的準(zhǔn)確率。其中,c是指懲罰因子,g是設(shè)置γ函數(shù)的參數(shù)。為了增強(qiáng)模型的預(yù)測準(zhǔn)確率,在進(jìn)行神經(jīng)網(wǎng)絡(luò)與S V M訓(xùn)練與預(yù)測前,首先對(duì)訓(xùn)練與預(yù)測數(shù)據(jù)進(jìn)行權(quán)值處理,權(quán)值的大小是通過運(yùn)用灰關(guān)聯(lián)分析法以及求比重法來處理影響突出的5個(gè)重要因素來確定的,這5個(gè)主要影響因素分別為:瓦斯壓力、放散初速度、開采深度、煤體破壞類型、堅(jiān)固性系數(shù)。對(duì)每個(gè)影響因素進(jìn)行權(quán)值處理有助于促進(jìn)強(qiáng)因素的影響作用,抑制弱因素的影響作用,從而達(dá)到提高預(yù)測準(zhǔn)確率的效果。實(shí)例仿真結(jié)果表明:經(jīng)過數(shù)據(jù)加權(quán)處理后的G A-B P網(wǎng)絡(luò)以及S V M預(yù)測模型能較為準(zhǔn)確的預(yù)測出煤與瓦斯的突出,具有一定的實(shí)用性。
【關(guān)鍵詞】：突出預(yù)測 權(quán)值 灰關(guān)聯(lián)分析法 比重法 GA-BP網(wǎng)絡(luò) SVM
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD713.2;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-22
• 1.1 課題研究的目的和意義8-9
• 1.2 煤與瓦斯突出預(yù)測研究現(xiàn)狀9-14
• 1.2.1 影響煤與瓦斯突出的主要影響因子9-10
• 1.2.2 煤與瓦斯突出的預(yù)測方法10-14
• 1.3 神經(jīng)網(wǎng)絡(luò)在突出預(yù)測中的應(yīng)用14-16
• 1.3.1 國內(nèi)研究現(xiàn)狀14-15
• 1.3.2 國外研究現(xiàn)狀15-16
• 1.4 S VM在 突出預(yù)測中的應(yīng)用16-18
• 1.4.1 國內(nèi)研究現(xiàn)狀16-17
• 1.4.2 國外研究現(xiàn)狀17-18
• 1.5 S VM分 類原理在突出預(yù)測中的應(yīng)用18-19
• 1.6 突出的分類19-20
• 1.6.1 按動(dòng)力現(xiàn)象的強(qiáng)度分類19
• 1.6.2 按動(dòng)力現(xiàn)象的能量分類19-20
• 1.7 論文主要研究內(nèi)容及安排20-22
• 第二章 加權(quán)GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型整體方案22-32
• 2.1 引言22
• 2.2 加權(quán)GA-BP網(wǎng) 絡(luò)預(yù)測模型的目標(biāo)22-23
• 2.3 目標(biāo)實(shí)現(xiàn)方法選擇23-24
• 2.3.1 神經(jīng)元傳遞函數(shù)的選擇23
• 2.3.2 無量綱化方法選擇23-24
• 2.4 加權(quán)GA-BP神 經(jīng)網(wǎng)絡(luò)預(yù)測模型的結(jié)構(gòu)24-25
• 2.5 在灰關(guān)聯(lián)分析基礎(chǔ)上的權(quán)值確定25-28
• 2.5.1 灰關(guān)聯(lián)分析法26-28
• 2.5.2 加權(quán)系數(shù)28
• 2.6 BP神 經(jīng)網(wǎng)絡(luò)28-30
• 2.7 確定BP網(wǎng) 絡(luò)中主要參數(shù)30-31
• 2.7.1 各層神經(jīng)元個(gè)數(shù)確定30-31
• 2.7.2 權(quán)值與閾值總個(gè)數(shù)31
• 2.7.3 傳遞函數(shù)確定31
• 2.8 小結(jié)31-32
• 第三章 GA-BP網(wǎng)絡(luò)中參數(shù)的優(yōu)化和實(shí)例驗(yàn)證32-46
• 3.1 引言32
• 3.2 訓(xùn)練樣本集的確定與歸一化32-33
• 3.3 網(wǎng)絡(luò)參數(shù)的設(shè)置33-34
• 3.4 GA算 法優(yōu)化權(quán)值與閾值34-37
• 3.4.1 GA算法34-36
• 3.4.2 優(yōu)化權(quán)值與閾值36-37
• 3.5 構(gòu)建預(yù)測煤與瓦斯突出GA-BP神經(jīng)網(wǎng)絡(luò)37-38
• 3.6 加權(quán)GA-BP網(wǎng)絡(luò)的程序設(shè)計(jì)38-40
• 3.6.1 網(wǎng)絡(luò)的總體程序設(shè)計(jì)圖38-39
• 3.6.2 神經(jīng)網(wǎng)絡(luò)工具箱中的通用函數(shù)39-40
• 3.6.3 遺傳算法工具箱40
• 3.7 樣本集的處理40-43
• 3.7.1 歸一化40-41
• 3.7.2 權(quán)值處理與構(gòu)建網(wǎng)絡(luò)41-43
• 3.8 實(shí)例驗(yàn)證43-45
• 3.9 小結(jié)45-46
• 第四章 加權(quán)SVM預(yù)測模型整體方案46-51
• 4.1 引言46
• 4.2 SVM介紹46-47
• 4.3 加權(quán)SVM預(yù)測模型的目標(biāo)47
• 4.4 目標(biāo)實(shí)現(xiàn)方法的選擇47-49
• 4.4.1 核函數(shù)的選擇47-48
• 4.4.2 SVM參數(shù)值優(yōu)化方法選擇48-49
• 4.5 加權(quán)SVM預(yù)測模型的結(jié)構(gòu)49-50
• 4.6 小結(jié)50-51
• 第五章 加權(quán)SVM模型中參數(shù)的優(yōu)化和實(shí)例驗(yàn)證51-60
• 5.1 引言51
• 5.2 PSO算 法51-52
• 5.3 確定核函數(shù)類型52-53
• 5.4 SVM參 數(shù)優(yōu)化53-56
• 5.5 LibSVM中參數(shù)設(shè)置方法56-57
• 5.6 建立分類模型和預(yù)測模型57-58
• 5.7 實(shí)例驗(yàn)證58-59
• 5.8 小結(jié)59-60
• 第六章 總結(jié)與展望60-62
• 6.1 研究總結(jié)60
• 6.2 課題展望60-62
• 參考文獻(xiàn)62-65
• 致謝65-66
• 攻讀學(xué)位期間的研究成果66-67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 陳娟;楊象梁;;灰關(guān)聯(lián)分析法在黃家湖水質(zhì)評(píng)價(jià)的應(yīng)用[J];環(huán)境科學(xué)與管理;2013年04期

2 于福榮;劉中培;李俊;;灰關(guān)聯(lián)分析法和模糊綜合評(píng)判法在水庫水質(zhì)評(píng)價(jià)中的應(yīng)用[J];水文;2012年04期

3 張春潔;金鑫;;灰關(guān)聯(lián)分析法在大遼河營口段生態(tài)供水水質(zhì)評(píng)價(jià)中的應(yīng)用[J];吉林水利;2013年05期

4 邱梅;;改進(jìn)的灰關(guān)聯(lián)分析法在廢紙?jiān)旒堩?xiàng)目環(huán)境影響評(píng)價(jià)中的應(yīng)用[J];紙和造紙;2013年08期

5 趙軍;模糊灰關(guān)聯(lián)分析法在測井識(shí)別油氣水層中的應(yīng)用[J];測井技術(shù);2000年05期

6 江帆;龔選林;李丹;;基于灰度關(guān)聯(lián)的有色金屬選礦廠廠址評(píng)價(jià)[J];科技信息;2010年01期

7 趙秀春;;灰關(guān)聯(lián)分析法在大沽河青島段水質(zhì)評(píng)價(jià)中的應(yīng)用[J];水生態(tài)學(xué)雜志;2009年05期

8 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 黃丹丹;加權(quán)GA-BP網(wǎng)絡(luò)與SVM在煤與瓦斯突出預(yù)測中的應(yīng)用研究[D];江西理工大學(xué);2015年

  本文關(guān)鍵詞：加權(quán)GA-BP網(wǎng)絡(luò)與SVM在煤與瓦斯突出預(yù)測中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：434319