首页> 中文学位 >基于支持向量机的矿井瓦斯事故风险预测技术研究
【6h】

基于支持向量机的矿井瓦斯事故风险预测技术研究

代理获取

目录

第一个书签之前

摘 要

ABSTRACT

第一章 绪论

1.1 论文研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 数据挖掘在矿井安全预测方面的研究现状

1.2.2 矿井瓦斯浓度预测方法的研究现状

1.2.3 矿井瓦斯事故风险的研究现状

1.3 主要研究内容及技术路线

1.3.1 主要研究内容

1.3.2 技术路线

第二章 支持向量机理论

2.1 支持向量机的理论基础

2.1.1 机器学习理论

2.1.2 统计学习理论

2.2 支持向量机原理

2.2.1 最优分类超平面

2.2.2 线性支持向量分类机

2.2.3 线性支持向量回归机

2.3 非线性支持向量机

2.3.1 核函数理论

2.3.2 非线性支持向量分类机

2.3.3 非线性支持向量回归机

2.4 支持向量机在瓦斯事故风险预测方面的优越性

2.5 本章小结

第三章 基于支持向量机的矿井瓦斯浓度预测

3.1 矿井瓦斯浓度影响因素分析

3.1.1 回采工作面后溜机尾瓦斯浓度影响因素分析

3.1.2 掘进工作面瓦斯浓度影响因素分析

3.1.3 回采工作面沿空留巷瓦斯浓度影响因素分析

3.2 瓦斯浓度监测数据的预处理

3.2.1 矿井瓦斯浓度监测数据的特点

3.2.2 瓦斯浓度监测异常数据的预处理

3.3 样本集的形成及归一化处理

3.3.1 样本集的形成

3.3.2 样本数据的归一化

3.4 支持向量机瓦斯浓度预测模型的建立

3.4.1 瓦斯浓度预测模型的建立方法

3.4.2 模型性能的评价方法

3.4.3 核函数的选择

3.4.4 支持向量机预测模型最优参数的选取方法

3.5 矿井瓦斯浓度SVR预测及结果的对比分析

3.5.2 掘进工作面的瓦斯浓度预测及结果分析

3.5.3 回采工作面沿空留巷的瓦斯浓度预测及结果分析

3.6 本章小结

第四章 基于支持向量机的矿井瓦斯事故风险预测

4.1 矿井瓦斯事故危险源分析

4.1.1 矿井瓦斯事故分析

4.1.2 瓦斯超限与窒息事故危险源分析

4.1.3 瓦斯爆炸事故危险源分析

4.2 瓦斯事故风险预测指标体系的构建

4.2.1 风险预测指标体系的构建原则

4.2.2 风险预测指标体系的构建

4.2.3 各指标风险等级的确定

4.3 瓦斯事故风险的模糊综合评估

4.3.1 模糊综合评估理论

4.3.2 模糊综合评估的基本步骤

4.3.3 瓦斯事故风险评估要素的确定

4.3.4 层次分析法确定各因素的权重

4.3.5 瓦斯事故风险等级模糊综合评估实例

4.4 瓦斯事故风险预测模型的建立

4.4.1 样本数据的收集及处理

4.4.2 预测模型的建立

4.4.3 预测模型的参数优化方法

4.5 矿井瓦斯事故风险SVC预测及结果的对比分析

4.5.1 瓦斯事故风险预测模型参数组合的选取结果及风险预测

4.5.2 瓦斯事故风险预测结果的对比分析及预测模型的确定

4.6 本章小结

第五章 高河矿瓦斯事故风险预测实例

5.1 高河矿概况

5.2 高河矿瓦斯浓度预测实例

5.2.1 预测样本的形成

5.2.2 高河矿瓦斯浓度预测结果

5.3 高河矿瓦斯事故故风险预测

5.3.1 高河矿瓦斯事故风险预测样本的确定

5.3.2 高河矿瓦斯事故风险预测结果

5.4 瓦斯事故预防措施分析

5.5 本章小结

第六章 结论与展望

6.1 主要结论

6.2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录

展开▼

摘要

随着机器学习与数据挖掘技术的不断发展,大数据处理技术逐渐在各行各业中扮演着驱动性的角色,对企业传统的经营管理模式产生了巨大的冲击与变革。在煤矿开采领域,由于煤矿自身信息化建设水平的局限性,起步较晚。瓦斯浓度监测基本上实现了瓦斯数据的采集、汇总、储存与共享阶段,但在数据的深层次挖掘研究方面相对滞后。 如果有效利用瓦斯监测数据库中这些具有较强关联特征的数据,结合同一时段内采掘工作面的采煤量、风流速度、瓦斯抽采量、工作面推进速度等相关影响因素,利用支持向量机回归与分类预测技术,挖掘出这些因素间隐藏的内在联系,以及这些因素共同对回采工作面、掘进工作面、回风巷等瓦斯事故高发区域瓦斯浓度的影响。从而可以将这些规律应用到矿井瓦斯浓度异常分析、瓦斯事故风险预测等方面,为矿井的安全决策、风险预评估、瓦斯事故的预防提供参考意义。本文在研究过程中,主要完成了以下几个方面工作: (1)研究了支持向量机的非线性预测理论,并分析了该理论在矿井瓦斯事故风险预测方面的优越性,为后续的研究工作提供理论基础。 (2)通过对瓦斯易积聚区域内瓦斯浓度影响因素的分析,并结合相关区域瓦斯浓度监测数据形成了瓦斯浓度预测的样本数据,基于非线性支持向量机回归预测理论建立了瓦斯浓度的SVR预测模型。 (3)通过对矿井瓦斯事故危险源的分析研究,结合瓦斯浓度预测结果,建立瓦斯事故风险预测体系,利用模糊综合评估法对瓦斯事故风险进行分级,并基于非线性支持向量机分类预测理论建立瓦斯事故风险的SVC预测模型。 (4)以潞安集团高河矿收集的相关资料为基础,形成预测样本,利用前文建立的瓦斯浓度与瓦斯事故风险预测模型对该矿回采工作面、掘进工作面、回采面沿空留巷的瓦斯浓度与瓦斯事故风险进行预测。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号