基于優(yōu)化支持向量機的煤與瓦斯突出預(yù)測研究.pdf

1、煤與瓦斯突出是煤礦自然災(zāi)害之一，有較強的破壞性和突發(fā)性，它是受多種因素綜合作用的復(fù)雜的非線性問題。支持向量機(SVM)具有較強的泛化能力，適用于解決非線性的小樣本問題，它是以統(tǒng)計學(xué)習(xí)理論為基礎(chǔ)創(chuàng)建的一種新型機器學(xué)習(xí)方法。因此，本文利用支持向量機這些優(yōu)點，提出了基于支持向量機的煤與瓦斯突出危險分類預(yù)測模型。
　　支持向量機的泛化能力和分類預(yù)測精度受懲罰參數(shù)C和核函數(shù)參數(shù)δ影響。在建立瓦斯突出預(yù)測的支持向量機模型時，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，建立分類預(yù)測模型指標(biāo)體系。支持向量機參數(shù)選取視為組合優(yōu)化問題，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預(yù)測模型參數(shù)的優(yōu)化中，實現(xiàn)了參數(shù)自動尋優(yōu)及選取。
　　以生產(chǎn)礦井實測數(shù)據(jù)集作為訓(xùn)練樣本和檢驗樣本用于本文建立的PSO-SVM、GA-SVM瓦斯突出分類預(yù)測模型中，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瓦斯突出分類預(yù)測模型參數(shù)，與遺傳算