LS-SVM算法預(yù)測煤層瓦斯涌出量技術(shù)研究及應(yīng)用.pdf

1、瓦斯涌出量預(yù)測一直是煤礦瓦斯研究領(lǐng)域的重點課題。瓦斯涌出量可以為礦井生產(chǎn)指標(biāo)的制定及防治瓦斯事故提供基礎(chǔ)性的理論依據(jù)，其預(yù)測結(jié)果的正確與否將直接影響礦井的技術(shù)經(jīng)濟(jì)指標(biāo)。本論文系統(tǒng)地總結(jié)分析了以往研究中瓦斯涌出量預(yù)測方法的不足，針對有限數(shù)據(jù)集的機(jī)器學(xué)習(xí)問題，將有著較好理論基礎(chǔ)的最小二乘支持向量機(jī)理論引入瓦斯涌出量預(yù)測領(lǐng)域，研究表明，與傳統(tǒng)方法相比，最小二乘支持向量機(jī)理論預(yù)測精度更高，預(yù)測效果更好。
　　論文根據(jù)分源預(yù)測理論，選取了回

2、采工作面開采層、鄰近層和采空區(qū)內(nèi)瓦斯涌出量的影響因子。開采層瓦斯涌出量影響因素有開采層瓦斯原始含量、煤層厚度、煤層傾角、埋藏深度、工作面長度、推進(jìn)速度、開采厚度及工作面采出率；鄰近層瓦斯涌出量的影響因素有鄰近層瓦斯原始含量、鄰近層厚度、層間距離、層間巖性、煤層傾角、推進(jìn)速度、開采厚度、工作面長度、頂板管理方式；采空區(qū)瓦斯涌出量影響因素有開采層瓦斯原始含量、開采層煤層厚度、工作面采出率、開采強(qiáng)度等。
　　在深入研究支持向量機(jī)理論的基

3、礎(chǔ)上，論文提出自調(diào)節(jié)網(wǎng)格搜索法進(jìn)行核函數(shù)參數(shù)尋優(yōu)，建立了基于徑向基核的最小二乘支持向量機(jī)瓦斯涌出量預(yù)測模型，并進(jìn)行了實例分析。同時，選取另外兩種有代表性的瓦斯涌出量預(yù)測方法，即傳統(tǒng)方法中的分源預(yù)測法和新型非線性方法中的BP人工神經(jīng)網(wǎng)絡(luò)方法對同一實例進(jìn)行預(yù)測，與最小二乘支持向量機(jī)模型的預(yù)測結(jié)果進(jìn)行比較，得出支持向量機(jī)模型預(yù)測開采層、鄰近層和采空區(qū)瓦斯涌出量的平均誤差分別為2.12％，7.7%和3.38%，BP人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測的平均誤差