煤礦動力災害危險性預測方法研究.pdf

1、本文針對煤礦動力災害的實例樣本數(shù)據(jù)較少的特點，對動力災害影響因素進行了分析。采用粗糙集理論、貝葉斯理論、支持向量機等非線性學科的相關理論和方法，實現(xiàn)了小樣本條件下的動力災害危險性預測。在分析研究了幾種主要的非線性預測方法對動力災害危險性預測的可行性和準確性的基礎上，構建了基于樸素貝葉斯分類器和LibSVM支持向量機模型的動力災害危險性預測模型。主要研究內(nèi)容如下:
　　(1)為了提高煤礦動力災害危險性預測的準確性，必須對數(shù)據(jù)進行離散

2、化、歸一化處理。本文研究了利用粗糙集技術對沖擊地壓和煤與瓦斯突出訓練樣本和預測樣本進行了屬性約簡的可行性，并利用該方法保留了有用屬性，去除了冗余信息。
　　(2)在分析影響動力災害主要影響因素的基礎上，研究了樸素貝葉斯分類器(NBC)和LibSVM支持向量機進行煤礦動力災害危險性預測的可行性，并建立了基于樸素貝葉斯分類器(NBC)和LibSVM支持向量機的煤礦動力災害危險程度預測模型，為動力災害危險性預測提供了新的途徑。
　

3、　(3)對比研究了不同的預測方法的預測精度;以LibSVM支持向量機預測沖擊地壓為例分析對比了樣本數(shù)據(jù)離散化對預測結果的影響，表明數(shù)據(jù)離散化可以提高預測精度。
　　(4)針對動力災害危險性預測在信息不完備，特別是缺失關鍵屬性時預測效果較差的問題，提出了用LSSVM回歸補齊缺失信息的方法，構建了LSSVM回歸與NBC相結合的動力災害危險性混合預測模型。實驗證明，該方法能夠提高預測煤礦動力災害危險性預測的準確率。
　　(5)在上