基于改進型PCA與SVR的煤礦瓦斯涌出量預測研究.pdf

1、瓦斯災害一直以來就是煤礦開采行業(yè)的主要災害之一，不僅會給企業(yè)帶來巨大的經濟財產損失，還會對煤礦工作人員的生命安全造成威脅，因此做好瓦斯防治工作至關重要。瓦斯涌出量指在礦井建設以及生產過程中從煤層涌入到開采空間的瓦斯量，它是體現(xiàn)瓦斯在煤層中的賦存情況的一個重要參數(shù)。在煤層中進行煤炭開采時，瓦斯涌出通常是引起煤與瓦斯突出、瓦斯中毒和瓦斯爆炸等災難事故的最主要原因，也是決定礦井通風的主要指標之一，是瓦斯防治中的重要一環(huán)。瓦斯涌出量能夠比較綜合

2、的體現(xiàn)一座礦井中的瓦斯情況，其預測結果的正確與否，將直接影響礦井的各種技術經濟指標，更直接關系到煤礦工人的人身安全。因此，制定合適有效的瓦斯涌出量預測方法對指導礦井安全生產作業(yè)具有十分重要的意義。
　　實際生產中礦井瓦斯的涌出受到多種復雜因素的影響，在對這種有多維數(shù)據特征的樣本進行分類或回歸預測的學習時，通常會遇到學習模型過于復雜、訓練時間過長以及最終預測結果不準確等問題。因此，需要對原始數(shù)據進行適當?shù)靥幚?，降低維度，去除噪聲和冗

3、余。同時由于支持向量機模型(SVM)具有許多良好的性質而在機器學習領域大放光彩，尤其是其在小樣本處理上的優(yōu)勢以及泛化性能強等特點非常適合用于對瓦斯涌出量的預測。因此，本文提出了一種基于改進型主元分析算法(wPCA)與支持向量回歸機(SVR)相結合的瓦斯涌出量的預測方法，最后經過實驗取得了不錯的效果，證明了該方法的有效性。本文主要涉及到下面一些工作。
　　（1）簡要總結瓦斯涌出量預測研究現(xiàn)狀和各種涌出量預測方法，介紹分析煤礦瓦斯涌出

4、機理和影響因素。
　?。?）對瓦斯涌出量的主要影響因素進行分析，確定預測所需特征指標的選取原則，根據該原則選取合適的瓦斯涌出量預測指標。
　?。?）探討主元分析這種多元統(tǒng)計方法的基本原理及其算法步驟，并對其在數(shù)據處理中存在的不足之處進行針對性的加權改進，使得改進后的主元分析處理數(shù)據更為客觀，降維能力更出色，有助于后期的學習訓練。由于對原始數(shù)據進行了降維處理，在樣本容量較大時可減少訓練所需的時間。
　?。?）介紹并深入研

5、究支持向量機，在多次實驗的基礎上，選擇合適的核函數(shù)及參數(shù)，將改進型PCA處理后的數(shù)據導入SVR進行學習訓練，構建基于改進型PCA算法與SVR算法相結合的瓦斯涌出量預測模型。
　?。?）對得到的預測模型用MATLAB進行實例仿真，同時用礦山統(tǒng)計法、BP神經網絡、支持向量回歸機等其他預測算法對相同的樣本數(shù)據進行預測并相互對比。結果表明本文提出的基于改進型PCA算法與SVR算法相結合的瓦斯涌出量預測方法的平均相對預測誤差為1.36％，均