煤自燃災(zāi)害是煤礦五大災(zāi)害之一。我國大部分礦井都是自燃和容易自燃煤層,其中80%～90%礦井火災(zāi)是由煤自燃引起的。近年來隨著礦井開采技術(shù)的進步,煤自燃事故的發(fā)生概率有所降低,但煤自燃防治仍是重中之重。因此,加強煤自燃預(yù)警技術(shù)研究,針對煤自燃災(zāi)害防治及時作出正確決策,對于煤礦的安全生產(chǎn)和礦工的生命安全具有重要意義。本文系統(tǒng)的闡述了煤自燃溫度預(yù)測方法的研究對于煤炭行業(yè)的重要意義。通過大型煤自然發(fā)火實驗、煤自燃程序升溫實驗,并根據(jù)現(xiàn)場經(jīng)驗最終確定了 CO、O2、CO/ΔO2、C2H4以及C2H4/C2H6等5個煤自燃溫度預(yù)測指標。本文對于PSO-BP神經(jīng)網(wǎng)絡(luò)算法、支持向量機算法、隨機森林算法進行了基礎(chǔ)分析,分別分析了三種算法在煤自燃溫度預(yù)測的適用性。針對煤自燃溫度預(yù)測判別模型性能的檢驗,本文將某礦煤樣的實驗數(shù)據(jù)作為模型的學(xué)習(xí)集和測試集。為了使煤自燃溫度預(yù)測判別模型的學(xué)習(xí)和預(yù)測更接近真實值,本文對實驗數(shù)據(jù)進行了數(shù)據(jù)缺失值處理以及數(shù)據(jù)的歸一化處理,這樣可以解決煤自燃溫度預(yù)測判別模型在訓(xùn)練過程中產(chǎn)生的誤差,使模型達到更高的精度。針對煤自燃溫度預(yù)測判別模型的檢驗標準,本文引入了4個誤差指標來對煤自燃溫... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

煤自然發(fā)火裝置外觀圖

2煤自燃溫度預(yù)測指標分析9（2）供風(fēng)系統(tǒng)氣流通過壓縮機和穩(wěn)流閥以及流量計等裝置。其目的是控制進風(fēng)量。然后氣流通過濕度調(diào)節(jié)箱和溫度調(diào)節(jié)箱，使氣流的溫度和濕度與煤體環(huán)境相同。如圖2.3所示供風(fēng)系統(tǒng)的結(jié)構(gòu)圖：壓縮機壓力表穩(wěn)流閥流量計濕度調(diào)節(jié)箱壓差計出口爐內(nèi)煤體入口紫銅管空氣包圖2.3供風(fēng)系統(tǒng)流程框圖（3）氣體分析系統(tǒng)將煤與氧氣反應(yīng)產(chǎn)生的氣體抽出，然后送至氣象色譜儀進行分析，如圖2.4所示。圖2.4氣體檢測分析系統(tǒng)氣體檢測系統(tǒng)主要是由色譜儀、取樣器和數(shù)據(jù)分析處理站構(gòu)成。通過氣體分析系統(tǒng)來監(jiān)測煤與氧氣反應(yīng)產(chǎn)生的氣體變化。3）實驗條件根據(jù)煤自然發(fā)火實驗要求，對東灘礦煤樣進行煤自然發(fā)火測試，測試溫度范圍為常溫至170℃左右。從東灘礦井下工作面進行采樣，利用采樣鏟等工具按照采樣標準進行采樣。將采集到的煤樣裝入防潮塑料袋內(nèi)，然后裝入編織袋，并在編織袋上注明采樣信息，并運回西安科技大學(xué)煤火災(zāi)害防治實驗室中心。實驗室中心的工作人員對煤樣進行檢查，并開展破碎、稱重、裝煤等準備工作。如表2.2所示為該實驗的實驗條件。表2.3為工業(yè)分析以及元素分析

西安科技大學(xué)碩士學(xué)位論文46遍歷以及搜索。（2）網(wǎng)絡(luò)搜索法的具體步驟Step1：以基于支持向量機的煤自燃溫度預(yù)測判別模型中的c參數(shù)以及g參數(shù)為橫、縱坐標軸，以均方差（MSE）為Z軸建立三維坐標系。Step2：確定c、g參數(shù)的搜索范圍。其中c參數(shù)的搜索范圍為[，]，g參數(shù)的搜索范圍為[，]，搜索步長為1。Step3：基于MATLAB算法進行運算，得到參數(shù)優(yōu)化結(jié)果圖。具體如4.15所示，其中左面為參數(shù)優(yōu)化結(jié)果圖的3D視圖，右面的圖為其平鋪轉(zhuǎn)換成等高線圖。圖4.16參數(shù)優(yōu)化結(jié)果圖如圖4.16所示，隨著g參數(shù)和c參數(shù)的不斷發(fā)展變化。均方差（MSE）在不斷減小，一直到藍色部分均方差趨近于最校說明c參數(shù)以及g參數(shù)在這一范圍內(nèi)，使得基于支持向量機的煤自燃溫度預(yù)測判別模型的誤差達到了最小，其預(yù)測精度達到了最高，預(yù)測效果達到了最好，模型的性能達到了最優(yōu)。如表4.7所示為基于支持向量機的煤自燃溫度預(yù)測判別模型的初始參數(shù)優(yōu)化結(jié)果。表4.7初始參數(shù)優(yōu)化結(jié)果參數(shù)取值c參數(shù)范圍[，]g參數(shù)范圍[，]c參數(shù)的最優(yōu)取值97.0059g參數(shù)的最優(yōu)取值6.06294.3.4預(yù)測結(jié)果分析

【參考文獻】：
期刊論文
[1]宮頸細胞圖像的特征選擇與分類識別算法研究[J]. 董娜,趙麗,常建芳,吳愛國.  湖南大學(xué)學(xué)報(自然科學(xué)版). 2019(12)
[2]遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在地面溫度多模式集成預(yù)報的應(yīng)用研究[J]. 雷彥森,蔡曉軍,王文,李江峰,李倩文.  氣象科學(xué). 2018(06)
[3]煤自燃指標體系試驗研究[J]. 鄧軍,白祖錦,肖旸,陳龍剛,李達江.  安全與環(huán)境學(xué)報. 2018(05)
[4]采空區(qū)煤自燃預(yù)測的隨機森林方法[J]. 鄧軍,雷昌奎,曹凱,馬礪,王彩萍,翟小偉.  煤炭學(xué)報. 2018(10)
[5]基于決策樹的分類算法研究[J]. 武亦文.  數(shù)字通信世界. 2017(12)
[6]基于多源信息融合技術(shù)的采空區(qū)穩(wěn)定性評價[J]. 董憲久.  礦業(yè)研究與開發(fā). 2017(10)
[7]基于信息增益的文本特征選擇方法[J]. 王理冬.  電腦知識與技術(shù). 2017(25)
[8]基于多源信息融合技術(shù)的煤礦作業(yè)環(huán)境參數(shù)分析[J]. 馬亞楠,楊韜,田立勤.  華北科技學(xué)院學(xué)報. 2017(02)
[9]我國煤火災(zāi)害防治技術(shù)研究現(xiàn)狀及展望[J]. 鄧軍,李貝,王凱,王彩萍.  煤炭科學(xué)技術(shù). 2016(10)
[10]煤層自燃標志氣體及預(yù)報指標體系研究[J]. 付京斌.  煤炭與化工. 2016(08)

博士論文
[1]復(fù)雜空區(qū)下開采區(qū)域自燃探測治理及整體防控研究[D]. 于樹江.中國礦業(yè)大學(xué)（北京） 2015
[2]煤氧化過程CO產(chǎn)生機理及安全指標研究[D]. 翟小偉.西安科技大學(xué) 2012
[3]煤自燃多源信息融合預(yù)警研究[D]. 陳曉坤.西安科技大學(xué) 2012
[4]煤中活性基團的氧化及自反應(yīng)過程[D]. 戚緒堯.中國礦業(yè)大學(xué) 2011
[5]煤自燃過程的實驗及數(shù)值模擬研究[D]. 文虎.西安科技大學(xué) 2003

碩士論文
[1]基于隨機森林算法建模的糖尿病預(yù)警系統(tǒng)設(shè)計與實現(xiàn)[D]. 劉歡.山東師范大學(xué) 2019
[2]基于最小二乘支持向量機的短時交通流預(yù)測方法研究[D]. 羅川.太原理工大學(xué) 2019
[3]基于粒子群算法優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[D]. 白燕燕.內(nèi)蒙古大學(xué) 2019
[4]支持向量機多分類器的研究與應(yīng)用[D]. 沈洋.江南大學(xué) 2019
[5]基于TDLAS煤自燃多組分指標氣體的識別[D]. 殷聰.西安科技大學(xué) 2018
[6]基于距離加權(quán)支持向量回歸的遞歸特征剔除研究[D]. 歐歌.吉林大學(xué) 2018
[7]基于多傳感器信息融合的火災(zāi)預(yù)警系統(tǒng)研究[D]. 張井超.河北工業(yè)大學(xué) 2017
[8]基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)風(fēng)險預(yù)測研究[D]. 馮珍慧.東華大學(xué) 2017
[9]基于不確定多分類支持向量機在滑坡危險性預(yù)測的應(yīng)用[D]. 周昭飛.江西理工大學(xué) 2016
[10]多傳感器信息融合方法研究及在火災(zāi)預(yù)測中的應(yīng)用[D]. 馬文龍.東北大學(xué) 2015



本文編號：3598375