煤矿动力灾害危险性预测方法研究

摘要

本文针对煤矿动力灾害的实例样本数据较少的特点，对动力灾害影响因素进行了分析。采用粗糙集理论、贝叶斯理论、支持向量机等非线性学科的相关理论和方法，实现了小样本条件下的动力灾害危险性预测。在分析研究了几种主要的非线性预测方法对动力灾害危险性预测的可行性和准确性的基础上，构建了基于朴素贝叶斯分类器和LibSVM支持向量机模型的动力灾害危险性预测模型。主要研究内容如下:
　　(1)为了提高煤矿动力灾害危险性预测的准确性，必须对数据进行离散化、归一化处理。本文研究了利用粗糙集技术对冲击地压和煤与瓦斯突出训练样本和预测样本进行了属性约简的可行性，并利用该方法保留了有用属性，去除了冗余信息。
　　(2)在分析影响动力灾害主要影响因素的基础上，研究了朴素贝叶斯分类器(NBC)和LibSVM支持向量机进行煤矿动力灾害危险性预测的可行性，并建立了基于朴素贝叶斯分类器(NBC)和LibSVM支持向量机的煤矿动力灾害危险程度预测模型，为动力灾害危险性预测提供了新的途径。
　　(3)对比研究了不同的预测方法的预测精度;以LibSVM支持向量机预测冲击地压为例分析对比了样本数据离散化对预测结果的影响，表明数据离散化可以提高预测精度。
　　(4)针对动力灾害危险性预测在信息不完备，特别是缺失关键属性时预测效果较差的问题，提出了用LSSVM回归补齐缺失信息的方法，构建了LSSVM回归与NBC相结合的动力灾害危险性混合预测模型。实验证明，该方法能够提高预测煤矿动力灾害危险性预测的准确率。
　　(5)在上述研究工作的基础上，开发了煤矿动力灾害危险性预测系统ZHYC tools。
　　本文研究成果为煤矿动力灾害危险性的预测提供了一种新的方法，对矿山安全生产具有一定的指导意义。

目录

声明

摘要

1 绪论

1．1 研究意义

1．2 动力灾害研究现状

1．3 研究内容与技术路线

2 相关知识

2．1 动力灾害影响因素分析

2．2 粗糙集理论

2．3 WEKA平台简介

2．4 数据处理

2．5 本章小结

3．基于贝叶斯分类器的煤矿动力灾害危险性预测研究

3．1 朴素贝叶斯分类器理论与方法

3．2 基于朴素贝叶斯分类器的冲击地压突出预测

3．3 基于朴素贝叶斯分类器的煤与瓦斯突出预测

3．4 本章小结

4．基于LibSVM的煤矿动力灾害危险性预测研究

4．1 支持向量机理论与方法

4．2 基于LibSVM的冲击地压突出预测

4．3 基于LibSVM的煤与瓦斯突出预测

4．4 动力灾害危险等级预测结果对比

4．5 本章小结

5．LSSVM-NBC混合模型预测煤矿动力灾害危险性

5．1 支持向量机回归算法

5．2 最小二乘支持向量机

5．3 基于LSSVM-NBC混合模型的煤矿动力灾害危险性预测

5．4 本章小结

6 煤矿动力灾害危险性预测系统

6．1 系统设计

6．2 系统实现

6．3 系统应用

6．4 本章小结

7 结论与展望

7．1 结论

7．2 创新点

7．3 展望

参考文献

致谢

A．攻读博士学位期间发表的论文

B．攻读博士学位期间的获奖情况

C．攻读博士学位期间的科研项目