基于SVM的煤與瓦斯突出區(qū)域分類(lèi)預(yù)測(cè)模型研究.pdf

1、煤與瓦斯突出一直是國(guó)內(nèi)外煤礦安全生產(chǎn)方面關(guān)注的焦點(diǎn)問(wèn)題。多年來(lái)尤其是近幾年我國(guó)煤礦存在著多種安全隱患方面的威脅，煤與瓦斯突出最為嚴(yán)重和常見(jiàn)。由于預(yù)測(cè)手段的落后，不能向煤礦決策者及時(shí)提供安全隱患方面的信息，導(dǎo)致在煤與瓦斯突出發(fā)生前工人不能脫離現(xiàn)場(chǎng)，造成嚴(yán)重的生命財(cái)產(chǎn)損失。如何建立有效的煤與瓦斯突出區(qū)域預(yù)測(cè)模型，為煤礦決策者提供確實(shí)可靠的決策依據(jù)，避免或降低煤礦生命財(cái)產(chǎn)損失是國(guó)內(nèi)煤礦共同面臨的研究課題。因此研究煤與瓦斯突出區(qū)域分類(lèi)預(yù)測(cè)模型具

2、有重大現(xiàn)實(shí)意義。
　　 目前，國(guó)內(nèi)煤礦大多數(shù)采用軟測(cè)量與傳感器相結(jié)合對(duì)煤與瓦斯突出區(qū)域分類(lèi)進(jìn)行預(yù)測(cè)，由于煤與瓦斯突出區(qū)域等級(jí)的劃分是一個(gè)多分類(lèi)問(wèn)題，這種建模技術(shù)直接影響煤與瓦斯突出區(qū)域等級(jí)預(yù)測(cè)的精度。本文在深入研究了國(guó)內(nèi)外煤與瓦斯突出區(qū)域分類(lèi)預(yù)測(cè)方法的基礎(chǔ)上，考慮到BP神經(jīng)網(wǎng)絡(luò)在建立煤與瓦斯突出區(qū)域分類(lèi)預(yù)測(cè)模型時(shí)存在的推廣能力差和預(yù)測(cè)時(shí)間長(zhǎng)等缺陷，同時(shí)支持向量機(jī)可用于處理多分類(lèi)問(wèn)題，利用支持向量機(jī)方法建立煤與瓦斯突出區(qū)域分類(lèi)預(yù)測(cè)

3、模型。針對(duì)支持向量機(jī)對(duì)處理小規(guī)模樣本具有優(yōu)越性，而當(dāng)數(shù)據(jù)的規(guī)模較大時(shí)其算法的訓(xùn)練速度和預(yù)測(cè)速度變慢以及分類(lèi)的精度受到影響等問(wèn)題，本文提出了基于數(shù)據(jù)集約簡(jiǎn)的支持向量分類(lèi)機(jī)算法——RS-C-SVC。該算法從約簡(jiǎn)數(shù)據(jù)集的規(guī)模入手，引入C-支持向量分類(lèi)機(jī)C-SVC，解決了在訓(xùn)練階段支持向量的檢索問(wèn)題，并通過(guò)RS-C-SVC算法刪除了噪聲數(shù)據(jù)、約簡(jiǎn)了數(shù)據(jù)集合的規(guī)模，有效地提高了煤與瓦斯突分類(lèi)預(yù)測(cè)的訓(xùn)練速度，同時(shí)也提高了預(yù)測(cè)的速度和分類(lèi)的精度，滿足