基于優(yōu)化支持向量機(jī)的煤與瓦斯突出預(yù)測(cè)研究.pdf

1、煤與瓦斯突出是煤礦自然災(zāi)害之一，有較強(qiáng)的破壞性和突發(fā)性，它是受多種因素綜合作用的復(fù)雜的非線(xiàn)性問(wèn)題。支持向量機(jī)(SVM)具有較強(qiáng)的泛化能力，適用于解決非線(xiàn)性的小樣本問(wèn)題，它是以統(tǒng)計(jì)學(xué)習(xí)理論為基礎(chǔ)創(chuàng)建的一種新型機(jī)器學(xué)習(xí)方法。因此，本文利用支持向量機(jī)這些優(yōu)點(diǎn)，提出了基于支持向量機(jī)的煤與瓦斯突出危險(xiǎn)分類(lèi)預(yù)測(cè)模型。
　　支持向量機(jī)的泛化能力和分類(lèi)預(yù)測(cè)精度受懲罰參數(shù)C和核函數(shù)參數(shù)δ影響。在建立瓦斯突出預(yù)測(cè)的支持向量機(jī)模型時(shí)，采用灰色關(guān)聯(lián)分析法

2、與熵權(quán)法結(jié)合的方法取影響瓦斯突出的主要因素，建立分類(lèi)預(yù)測(cè)模型指標(biāo)體系。支持向量機(jī)參數(shù)選取視為組合優(yōu)化問(wèn)題，從而建立目標(biāo)函數(shù)，并將粒子群優(yōu)化算法(PSO)、遺傳算法(GA)分別用于支持向量機(jī)預(yù)測(cè)模型參數(shù)的優(yōu)化中，實(shí)現(xiàn)了參數(shù)自動(dòng)尋優(yōu)及選取。
　　以生產(chǎn)礦井實(shí)測(cè)數(shù)據(jù)集作為訓(xùn)練樣本和檢驗(yàn)樣本用于本文建立的PSO-SVM、GA-SVM瓦斯突出分類(lèi)預(yù)測(cè)模型中，仿真結(jié)果表明，兩種優(yōu)化算法均能有效地選取支持向量機(jī)瓦斯突出分類(lèi)預(yù)測(cè)模型參數(shù)，與遺傳算