本文關(guān)鍵詞： 巷道摩擦阻力系數(shù) 支持向量機 徑向基核函數(shù) BP神經(jīng)網(wǎng)絡(luò)　出處：《西安科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：礦井巷道通風(fēng)摩擦阻力系數(shù)是反映礦井井巷阻力特性最重要的技術(shù)參數(shù)之一,它是礦井通風(fēng)設(shè)計、通風(fēng)系統(tǒng)改造以及加強通風(fēng)技術(shù)管理等工作的技術(shù)基礎(chǔ)。通常巷道摩擦阻力系數(shù)主要通過查表選取和現(xiàn)場實測得到,一方面,我國使用的礦井巷道摩擦阻力系數(shù)表為上世紀八十年代所制定,已不能滿足目前復(fù)雜礦井通風(fēng)所用;另一方面,現(xiàn)場實測工作較為復(fù)雜且工作量大。因此礦井巷道摩擦阻力系數(shù)的預(yù)測研究對礦井通風(fēng)設(shè)計和煤礦通風(fēng)安全管理有著重要的理論意義和實際應(yīng)用價值。本文引入支持向量機對礦井巷道摩擦阻力系數(shù)進行預(yù)測研究。理論分析得到,采用支持向量機對礦井巷道摩擦阻力系數(shù)進行預(yù)測是可行的。通過分析對比支持向量機常用核函數(shù)的性質(zhì),基于徑向基核函數(shù)相對于其他幾種核函數(shù)的優(yōu)點,最終選取徑向基核函數(shù)作為支持向量機預(yù)測礦井巷道摩擦阻力系數(shù)模型的核函數(shù)。在MATLAB環(huán)境下使用LIBSVM,以涼水井煤礦錨噴巷道、錨桿支護巷道、錨網(wǎng)索支護巷道的摩擦阻力系數(shù)為研究對象,分別用網(wǎng)格搜索方法、遺傳算法方法、粒子群算法方法對訓(xùn)練集進行訓(xùn)練,得到最優(yōu)的徑向基核函數(shù)參數(shù)和懲罰參數(shù)組合,利用選取的參數(shù)組合建立預(yù)測模型,對驗證集進行預(yù)測。預(yù)測結(jié)果表明,這三種方法選取的參數(shù)組合建立的預(yù)測模型均可有效預(yù)測礦井巷道摩擦阻力系數(shù),驗證了支持向量機預(yù)測礦井巷道摩擦阻力系數(shù)的可行性。其中,遺傳算法選取參數(shù)組合的模型預(yù)測結(jié)果綜合性能表現(xiàn)最好,并和礦井實測結(jié)果進行了驗證對比。利用支持向量機和常用的礦井巷道摩擦阻力系數(shù)預(yù)測方法—BP神經(jīng)網(wǎng)絡(luò)分別對涼水井煤礦巷道摩擦阻力系數(shù)進行預(yù)測,結(jié)果表明:支持向量機預(yù)測礦井巷道摩擦阻力系數(shù)的精度更高、效果更好,較BP神經(jīng)網(wǎng)絡(luò)預(yù)測礦井巷道摩擦阻力系數(shù)更具優(yōu)越性。
[Abstract]:The friction resistance coefficient of mine roadway ventilation is one of the most important technical parameters to reflect the resistance characteristics of mine roadway, and it is the mine ventilation design. The technical foundation of ventilation system reform and strengthening ventilation technical management. Usually, the friction resistance coefficient of roadway is mainly obtained by selecting the table and measuring on the spot. On the one hand, The table of friction resistance coefficient of mine roadway used in our country was drawn up in -20s, which can not meet the needs of ventilation in complex mines at present; on the other hand, Therefore, the prediction of friction resistance coefficient of mine roadway has important theoretical significance and practical application value for mine ventilation design and mine ventilation safety management. The prediction of friction resistance coefficient of mine roadway by support vector machine (SVM) is studied. It is feasible to predict the friction resistance coefficient of mine roadway by using support vector machine. By analyzing and comparing the properties of kernel function commonly used in support vector machine, based on the advantages of radial basis kernel function compared with other kernel functions, Finally, the radial basis function is selected as the kernel function of the support vector machine to predict the friction coefficient of mine roadway. Under the environment of MATLAB, LIBSVM is used to anchor shotcreting roadway and bolt supporting roadway in Liangshui coal mine. The friction resistance coefficient of bolt-mesh-cable support roadway is studied. The training set is trained by grid search method, genetic algorithm method and particle swarm optimization method, and the optimal combination of radial basis function parameters and penalty parameters is obtained. The prediction model is established by using the selected parameter combination to predict the verification set. The prediction results show that the prediction model established by the combination of the three methods can effectively predict the friction resistance coefficient of mine roadway. The feasibility of predicting friction resistance coefficient of mine roadway by support vector machine is verified. By using support vector machine (SVM) and the commonly used prediction method of roadway friction coefficient-BP neural network, the friction resistance coefficient of coal mine roadway in Liangshui coal mine is predicted respectively. The results show that the accuracy and effect of predicting the friction resistance coefficient of mine roadway by support vector machine are higher than that of BP neural network.
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TD72

【參考文獻】

相關(guān)期刊論文 前10條

1 汪瑩;蔣高鵬;;RS-SVM組合模型下煤礦安全風(fēng)險預(yù)測[J];中國礦業(yè)大學(xué)學(xué)報;2017年02期

2 馬憲民;張興;張永強;;基于支持向量機與粗糙集的隔爆電動機故障診斷[J];工礦自動化;2017年02期

3 楚東來;趙偉辰;林春城;;群智能算法的研究現(xiàn)狀和發(fā)展趨勢[J];信息通信;2015年11期

4 林楠;李偉東;張文春;楊佳佳;;最小二乘支持向量機在深基坑變形預(yù)測中的應(yīng)用[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);2014年11期

5 孫繼平;佘杰;;基于支持向量機的煤巖圖像特征抽取與分類識別[J];煤炭學(xué)報;2013年S2期

6 孫剛;周華平;孫克雷;;基于支持向量機的礦壓監(jiān)測數(shù)據(jù)預(yù)測研究[J];阜陽師范學(xué)院學(xué)報(自然科學(xué)版);2013年03期

7 高新豫;楊志霞;盧振興;;非平行ε-帶支持向量回歸機[J];計算機科學(xué)與探索;2013年07期

8 梁棟;管青松;黃文江;黃林生;楊貴軍;;基于支持向量機回歸的冬小麥葉面積指數(shù)遙感反演[J];農(nóng)業(yè)工程學(xué)報;2013年07期

9 董學(xué)林;皮子坤;賈廷貴;;五家溝煤礦工字鋼巷道的摩擦阻力系數(shù)的研究[J];科技創(chuàng)新導(dǎo)報;2013年09期

10 申中杰;陳雪峰;何正嘉;孫闖;張小麗;劉治汶;;基于相對特征和多變量支持向量機的滾動軸承剩余壽命預(yù)測[J];機械工程學(xué)報;2013年02期

相關(guān)碩士學(xué)位論文 前9條

1 邵博;礦井巷道摩擦阻力系數(shù)模糊查詢系統(tǒng)研究[D];遼寧工程技術(shù)大學(xué);2015年

2 王思儀;基于多層前向神經(jīng)網(wǎng)絡(luò)的礦井巷道摩擦阻力系數(shù)的確定[D];遼寧工程技術(shù)大學(xué);2014年

3 宮少琦;支持向量機在礦井提升機故障診斷中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2013年

4 尚大俊;礦井通風(fēng)井巷摩擦風(fēng)阻確定方法研究[D];遼寧工程技術(shù)大學(xué);2011年

5 梁建國;礦井通風(fēng)仿真關(guān)鍵技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2009年

6 孫娓娓;BP神經(jīng)網(wǎng)絡(luò)的算法改進及應(yīng)用研究[D];重慶大學(xué);2009年

7 魏丹;支持向量機多分類預(yù)測技術(shù)研究[D];西安科技大學(xué);2008年

8 賴永標(biāo);支持向量機在地下工程中的應(yīng)用研究[D];山東科技大學(xué);2004年

9 張攀;確定礦井巷道摩擦阻力系數(shù)的新方法研究[D];遼寧工程技術(shù)大學(xué);2004年

，

本文編號：1512106