煤礦地下開采的前提是查明主要可采煤層頂?shù)装骞こ痰刭|(zhì)特征,正確地將煤礦巷道圍巖質(zhì)量分類可以很好地反映井巷工程地質(zhì)類型和煤礦開采技術(shù)條件,可為指導(dǎo)后期煤礦開采設(shè)計(jì)和支護(hù)設(shè)計(jì)提供重要依據(jù),為煤礦的安全高效生產(chǎn)提供技術(shù)支持。鑒于上述背景,本文采用數(shù)值分析、工程驗(yàn)證及數(shù)值模擬等研究方法,基于機(jī)器學(xué)習(xí)高效率、可塑性、普適性等優(yōu)點(diǎn),建立了基于支持向量機(jī)（SVM）的煤礦巷道圍巖質(zhì)量分類模型并與BP神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林算法進(jìn)行比較,找出了最優(yōu)分類模型。為了進(jìn)一步提高巷道圍巖質(zhì)量分類準(zhǔn)確率,采用遺傳算法（GA）對(duì)該模型進(jìn)行優(yōu)化,最終建立了基于GA-SVM的煤礦巷道圍巖質(zhì)量分類模型。本文主要研究成果如下:（1）結(jié)合粗糙集理論,利用屬性約簡(jiǎn)的性質(zhì)對(duì)條件屬性進(jìn)行約簡(jiǎn)。最終得到,屬性集的核是{天然單軸抗壓強(qiáng)度,飽和單軸抗壓強(qiáng)度,軟化系數(shù),天然抗剪強(qiáng)度,飽和抗剪強(qiáng)度,含水率,巖石質(zhì)量},同時(shí)也驗(yàn)證了煤礦巷道圍巖質(zhì)量分類指標(biāo)的必要性。（2）以煤礦巷道圍巖質(zhì)量分類為研究對(duì)象,建立基于機(jī)器學(xué)習(xí)的煤礦巷道圍巖質(zhì)量分類模型包括:BP神經(jīng)網(wǎng)絡(luò)分類模型、隨機(jī)森林分類模型和SVM分類模型。經(jīng)過(guò)預(yù)測(cè)得到BP神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率75%;... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與技術(shù)路線
2 巷道圍巖質(zhì)量分類數(shù)據(jù)處理
    2.1 巷道圍巖質(zhì)量分類指標(biāo)的確定
    2.2 數(shù)據(jù)預(yù)處理
    2.3 相關(guān)性分析
    2.4 本章小結(jié)
3 巷道圍巖質(zhì)量分類模型的建立
    3.1 BP神經(jīng)網(wǎng)絡(luò)分類模型
    3.2 隨機(jī)森林分類模型
    3.3 支持向量機(jī)分類模型
    3.4 分類結(jié)果對(duì)比分析
    3.5 本章小結(jié)
4 基于GA-SVM的巷道圍巖質(zhì)量分類
    4.1 SVM在分類過(guò)程中存在的問(wèn)題
    4.2 遺傳算法基本原理
    4.3 GA-SVM對(duì)巷道圍巖質(zhì)量的分類
    4.4 本章小結(jié)
5 工程應(yīng)用
    5.1 基于GA-SVM的金達(dá)煤礦巷道圍巖質(zhì)量的分類
    5.2 16608工作面材料道圍巖變形數(shù)值模擬
    5.3 本章小結(jié)
6 結(jié)論與創(chuàng)新點(diǎn)
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)
參考文獻(xiàn)
附錄
致謝
攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果



本文編號(hào)：3160628