本文選題：粒子群　切入點：支持向量機　出處：《中國礦業(yè)大學》2015年博士論文

【摘要】：自然發(fā)火預警(包括煤層自然發(fā)火危險性評價)是煤礦安全領域的研究熱點之一。本論文發(fā)揮多學科交叉的優(yōu)勢,從自然發(fā)火預警研究和應用的實際需要出發(fā),引入計算智能領域的新理論、新方法(例如支持向量機、粒子群算法、粗糙集算法等),開展了以下幾方面的研究工作。1)粒子群(PSO)算法的改進。針對標準PSO算法難以收斂于全局最優(yōu)解及易于發(fā)生早熟收斂等問題,利用混沌映射和一種基于粒距的權值動態(tài)改變策略,提出了一種改進的粒子群優(yōu)化算法(IPSO)。利用3種標準函數(shù)分別對IPSO算法和另外4種PSO算法進行了測試比較,結果表明:IPSO算法具有較高的全局尋優(yōu)能力,其精度優(yōu)于另外4種比較算法。2)基于IPSO的支持向量機(SVM)參數(shù)優(yōu)化方法。SVM參數(shù)對SVM預測精度有重要影響。為此,本文研究了利用IPSO進行SVM參數(shù)優(yōu)化的方法,并分別提出了IPSO-v-SVR算法和IPSO-SVC算法。在UCI基準數(shù)據(jù)集上分別對這2種算法及多種回歸或分類算法進行了測試比較,結果表明:IPSO-v-SVR和IPSO-SVC的精度均優(yōu)于相應的比較算法。3)基于IPSO-v-SVR的煤層瓦斯含量預測和基于IPSO-SVC的煤層自然發(fā)火危險性預評價。在煤層瓦斯含量數(shù)據(jù)集上的測試結果表明:在小樣本條件下,利用IPSO-v-SVR算法進行煤層瓦斯含量預測可以取得較高的預測精度。在煤層自然發(fā)火危險性數(shù)據(jù)集上的測試結果表明:利用IPSO-SVC算法進行煤層自然發(fā)火危險性預評價可取得較高的分類精度。此外,還對數(shù)據(jù)集之外的2個開采煤層進行了自然發(fā)火危險性的預評價,評價結果與礦井實際發(fā)火情況相符。4)粗糙集(RS)理論與IPSO-SVC算法的融合及其在采空區(qū)自然發(fā)火預警中的應用。建立了基于瓦斯抽采鉆孔氣體分析的采空區(qū)自然發(fā)火預警指標體系,以RS作為IPSO-SVC模型的預處理器提出了RS-IPSO-SVC算法,該算法通過對指標體系進行屬性約減,去掉冗余特征屬性,從而降低了樣本維度。在采空區(qū)自然發(fā)火狀態(tài)數(shù)據(jù)集上進行了算法測試,結果表明:RS-IPSO-SVC算法的分類準確率優(yōu)于比較算法,能夠較好地適用于采空區(qū)自然發(fā)火預警。5)《煤礦自然發(fā)火信息管理及預警系統(tǒng)》的開發(fā)。針對煤礦企業(yè)對自然發(fā)火信息管理及預警的實際需求,以及智能算法在應用過程中對數(shù)據(jù)更新的需要,基于.NET技術開發(fā)了B/S框架的“煤礦自然發(fā)火信息管理及預警系統(tǒng)”。該系統(tǒng)已在峰峰集團羊東煤礦部署應用。通過該系統(tǒng)的實施,進一步豐富了已有的相關數(shù)據(jù)集,并多次成功識別出與自然發(fā)火隱患相關的異常現(xiàn)象,取得了良好的應用效果。通過上述研究得出了以下幾點主要結論:⑴改進粒子群算法(IPSO)具有較強的尋優(yōu)能力。⑵利用IPSO可顯著提高SVM參數(shù)的尋優(yōu)效果。⑶IPSO-v-SVR、IPSO-SVC以及RS-IPSO-SVC算法能夠分別適用于煤層瓦斯含量預測、煤層自然發(fā)火危險性預評價以及采空區(qū)自然發(fā)火預警,且精度較高。
[Abstract]:The early warning of spontaneous combustion (including coal seam spontaneous combustion risk assessment) is one of the research hotspots in the field of coal mine safety.Based on the practical needs of the research and application of spontaneous combustion early warning, this paper introduces new theories and methods in the field of computational intelligence (such as support vector machine, particle swarm optimization algorithm).Rough set algorithm has been studied in the following aspects: 1) the improvement of particle swarm optimization (PSO) algorithm.Aiming at the problem that the standard PSO algorithm is difficult to converge to the global optimal solution and is prone to premature convergence, a modified particle swarm optimization algorithm is proposed by using chaotic mapping and a dynamic change strategy of weights based on particle spacing.The IPSO algorithm and the other four PSO algorithms are tested and compared with each other by using three standard functions. The results show that the IPSO algorithm has a high global optimization ability.Its precision is better than the other four comparison algorithms. 2) the parameter optimization method of support vector machine (SVM) based on IPSO. The parameters of SVM have important influence on the prediction accuracy of SVM.Therefore, this paper studies the optimization method of SVM parameters using IPSO, and proposes IPSO-v-SVR algorithm and IPSO-SVC algorithm respectively.The two algorithms and various regression or classification algorithms are tested and compared on the UCI datum data set.The results show that the accuracy of% IPSO-v-SVR and IPSO-SVC is better than the corresponding comparison algorithm .3) the prediction of coal seam gas content based on IPSO-v-SVR and the pre-evaluation of coal seam spontaneous combustion risk based on IPSO-SVC.The test results on the data set of coal seam gas content show that the prediction accuracy of coal seam gas content can be obtained by using IPSO-v-SVR algorithm under the condition of small sample.The test results on the data set of coal seam spontaneous combustion risk show that high classification accuracy can be obtained by using IPSO-SVC algorithm to pre-evaluate the coal seam spontaneous combustion risk.In addition, two coal seams outside the data set have been pre-evaluated for the risk of spontaneous combustion.The evaluation results are in accordance with the actual mine fire. 4) the integration of rough set theory and IPSO-SVC algorithm and its application in the spontaneous combustion early warning in goaf.The index system of spontaneous combustion early warning in goaf based on gas analysis of gas drainage borehole is established. The RS-IPSO-SVC algorithm is proposed by using RS as the preprocessor of IPSO-SVC model. The algorithm reduces the attributes of the index system and removes the redundant feature attributes by using RS as the pre-processor of the IPSO-SVC model.Thus, the sample dimension is reduced.The algorithm is tested on the data set of spontaneous combustion in goaf. The result shows that the classification accuracy of the RS-IPSO-SVC algorithm is better than that of the comparison algorithm.It can be applied to the development of coal mine spontaneous combustion information management and early warning system.In view of the actual demand of coal mine enterprises for the management and early warning of spontaneous combustion information and the need for data updating in the process of application of intelligent algorithms, a "coal mine spontaneous combustion information management and early warning system" based on .NET framework is developed.The system has been deployed in Yangdong Coal Mine of Fengfeng Group.Through the implementation of the system, the existing related data sets are further enriched, and the abnormal phenomena related to the hidden trouble of spontaneous combustion are successfully identified many times, and good application results have been obtained.Through the above research, the following main conclusions are drawn: the improved particle swarm optimization algorithm of 1: 1 has strong optimization ability .2 using IPSO can significantly improve the optimization effect of SVM parameters. 3IPSO-v-SVRV IPSO-SVC and RS-IPSO-SVC algorithm can be applied to coal, respectively.Bed gas content prediction,The coal seam spontaneous combustion risk pre-evaluation and goaf spontaneous combustion warning, and the accuracy is high.
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TD752.2

【相似文獻】

相關期刊論文 前10條

1 薛忠臻,趙俊卿;綜采工作面撤面期間自然發(fā)火及其治理[J];煤炭科學技術;2000年05期

2 孫學會,呂國金,李國宏,孔憲德;中日合作自然發(fā)火防治技術研究[J];煤礦安全;2002年10期

3 陳子書;張國仁;;煤巷自然發(fā)火的原因及其防治[J];黑龍江科技信息;2002年06期

4 胡傳亭,禹申友,王和平,楊長海;新型聚合材料在防治自然發(fā)火中的應用[J];煤礦安全;2003年09期

5 羅海珠,錢國胤;各煤種自然發(fā)火標志氣體指標研究[J];煤礦安全;2003年S1期

6 嚴濤,侯宜江,曹書亮;蘆嶺煤礦自然發(fā)火原因分析及防治[J];礦業(yè)安全與環(huán)保;2003年S1期

7 楊國華;綜采工作面自然發(fā)火綜合防治技術的應用[J];內(nèi)蒙古科技與經(jīng)濟;2004年15期

8 張國友,王維民;三臺子煤礦自然發(fā)火的防治[J];煤礦安全;2005年08期

9 張明斌,滕敦元,趙慶華;魯西礦預防煤炭自然發(fā)火綜合技術研究與應用[J];山東煤炭科技;2005年04期

10 王洪義,王許濤,劉廣金;一起采煤工作面自然發(fā)火事故的處理與分析[J];礦業(yè)安全與環(huán)保;2005年04期

相關會議論文 前10條

1 趙磊;;采煤工作面回風巷自然發(fā)火的綜合防治[A];第七次煤炭科學技術大會文集（下冊）[C];2011年

2 梁運濤;;煤炭自然發(fā)火標志氣體指標體系研究[A];2007年全國煤礦安全學術年會會議資料匯編[C];2007年

3 梁運濤;;煤炭自然發(fā)火標志氣體指標體系研究[A];全國煤炭工業(yè)生產(chǎn)一線青年技術創(chuàng)新文集[C];2007年

4 姚志勇;;綜放工作面防治自然發(fā)火技術的研究與應用[A];第七次煤炭科學技術大會文集（下冊）[C];2011年

5 陳威;郭中安;李勇;;運河煤礦綜放工作面自然發(fā)火防治技術與實踐[A];第七次煤炭科學技術大會文集（下冊）[C];2011年

6 李方利;;礦井自然發(fā)火規(guī)律分析與防治對策[A];2005年度山東煤炭學會優(yōu)秀學術論文集[C];2005年

7 張建營;劉子坤;;綜采放頂煤工作面自然發(fā)火綜合防治技術[A];安全高效礦井安全保障技術——陜西省煤炭學會學術年會論文集（2011）[C];2011年

8 呂子清;;易燃厚煤層綜放開采采空區(qū)自然發(fā)火原因分析及對策[A];中國煤炭學會煤礦安全專業(yè)委員會2004年學術年會論文集[C];2004年

9 陶濤;呂玉國;;老虎臺煤礦特厚煤層自然發(fā)火防治技術[A];2012年全國煤礦安全學術年會論文集[C];2012年

10 徐宏;魏國山;路鵬;;鐵法礦區(qū)綜放工作面自然發(fā)火防治技術[A];2012年全國煤礦安全學術年會論文集[C];2012年

相關重要報紙文章 前8條

1 寧建民;華豐礦連續(xù)15年無井下自然發(fā)火[N];經(jīng)理日報;2008年

2 王玉清 樊會學;降低自然發(fā)火防治成本[N];中國煤炭報;2009年

3 寧建民;華豐煤礦：用科技縛住地下“火龍”[N];經(jīng)理日報;2008年

4 徐潔凈;我市今年重點監(jiān)控高瓦斯、高水患、自然發(fā)火頻繁煤礦[N];平頂山日報;2008年

5 本報記者 整理;吸取事故教訓 加強防滅火管理[N];中國安全生產(chǎn)報;2014年

6 記者 李仁堂;河北嚴格煤礦安全準入[N];中國煤炭報;2014年

7 袁媛　盛玉強;為安全生產(chǎn)再裝一雙“慧眼”[N];中國礦業(yè)報;2012年

8 記者 李侖;山西修訂煤礦重大危險源評估規(guī)定[N];中國煤炭報;2013年

相關博士學位論文 前8條

1 陳長華;基于模糊滲流理論的采場自然發(fā)火位置預測模型及其相似模擬研究[D];遼寧工程技術大學;2004年

2 孟倩;基于計算智能的煤礦自然發(fā)火預警研究[D];中國礦業(yè)大學;2015年

3 劉宏波;綜放工作面采空區(qū)自然發(fā)火三維數(shù)值模擬研究[D];中國礦業(yè)大學(北京);2012年

4 王月紅;移動坐標下采空區(qū)自然發(fā)火的有限體積法模擬研究[D];中國礦業(yè)大學（北京）;2009年

5 耿曉偉;急傾斜高瓦斯綜放開采采空區(qū)自然發(fā)火機理及防治研究[D];遼寧工程技術大學;2013年

6 汪月偉;近距離煤層同采采空區(qū)自然發(fā)火防治技術研究[D];中國礦業(yè)大學（北京）;2015年

7 宋宜猛;采空區(qū)分區(qū)滲流與煤自燃耦合規(guī)律研究[D];中國礦業(yè)大學(北京);2012年

8 劉星魁;沿空側碎裂煤柱耗氧升溫的特征研究及應用[D];中國礦業(yè)大學(北京);2012年

相關碩士學位論文 前10條

1 郭允相;海域開采自然發(fā)火規(guī)律及早期預防技術研究[D];山東科技大學;2009年

2 賈寶山;煤矸石山自然發(fā)火數(shù)學模型及防治技術研究[D];遼寧工程技術大學;2002年

3 楊旭;資源整合礦井封閉區(qū)域內(nèi)自然發(fā)火危險區(qū)域探測與控制技術研究[D];遼寧工程技術大學;2012年

4 徐仁亞;超長綜放工作面煤炭自然發(fā)火的防治與控制體系研究[D];山東科技大學;2004年

5 王宏山;采空區(qū)自然發(fā)火位置預測模型的相似模擬研究[D];遼寧工程技術大學;2008年

6 劉艷;煤升溫氧化過程中氡的析出與自然發(fā)火指標氣體關系的實驗研究[D];太原理工大學;2007年

7 張志凱;崔家溝煤礦2207工作面采空區(qū)自然發(fā)火規(guī)律研究[D];西安科技大學;2009年

8 高春學;張集北礦8煤氧化規(guī)律的研究及應用[D];安徽理工大學;2006年

9 魯來祥;煤巷高冒區(qū)松散煤體自燃模擬分析及防治技術[D];河南理工大學;2010年

10 王正輝;采煤工作面自燃危險性評價方法[D];煤炭科學研究總院;2004年

，

本文編號：1710333