学海网

基于流形学习算法和支持向量机的矿井瓦斯涌出量预测研究（硕士学位论文），共73页。
摘 要
煤炭工业是一个危险性极高的行业，在生产过程中伴随着透水、塌方、瓦斯等隐患，煤矿瓦斯灾害是造成矿山伤亡最为严重的事故之一，而矿井瓦斯涌出量又是影响矿井瓦斯灾害的重要因素之一。为了减少矿井瓦斯灾害的发生，本文在对国内外瓦斯涌出量预测研究的基础上，提出了基于流形学习算法和支持向量机理论的瓦斯涌出量预测方法，就瓦斯涌出量预测问题进行了研究。
本文从分析瓦斯涌出量入手，得出影响瓦斯涌出量的主要因素。以国内某煤矿矿井瓦斯涌出量实测数据为研究对象，利用 Matlab 软件作为模型建立平台。利用流形学习算法对矿井瓦斯涌出量影响因素进行数据预处理，弥补了支持向量机缺乏数据预处理的缺陷。采用遗传算法、粒子群优化算法、交叉验证对模型参数惩罚因子 c、核函数参数g 进行寻优，确定最佳参数 c、g 组合。再利用支持向量回归机进行回归预测，建立瓦
斯涌出量预测模型，实现了矿井瓦斯涌出量的精确预测。流形学习算法能够挖掘数据的本质结构，简约数据，从而提高了支持向量机作回归预测时的收敛速度和精度，充分发挥了支持向量机在学习精度和学习能力找到好的权衡的优势，使模型的泛化能力较好。
本文将基于流形学习算法和支持向量机理论的预测方法应用于混合炸药爆轰参数的预测，结果较为理想，证明了预测方法的适用性。
通过对矿井瓦斯涌出量及混合炸药爆轰参数的预测的研究，结果表明：利用流形学习算法和支持向量机理论建立的矿井瓦斯涌出量预测模型，能够快速准确地预测矿井瓦斯涌出量，模型精度较高、相关性较好，与传统预测方法相比，容错能力较强，精度较高。该模型能够为后期瓦斯涌出量提供参考依据，同时对瓦斯涌出量预测方法研究有一定的指导意义。而且基于流形学习算法和支持向量机理论的预测方法适用性较强，具有
一定推广和实用价值。
关键词：瓦斯涌出量；流形学习算法；支持向量理论；参数寻优；混合炸药

目录
1 绪论 1
11 选题背景及意义 1
12 国内外研究现状 4
13 论文研究的主要内容 7
2 矿井瓦斯涌出量影响因素的分析 9
21 概述 9
22 煤层瓦斯的赋存及含量 10
221 瓦斯的成因与赋存状态 10
222 煤层瓦斯垂直分布带及含量 10
23 影响煤层瓦斯含量因素 12
24 矿井瓦斯涌出量及其影响因素 14
241 瓦斯涌出量计算 14
242 影响瓦斯涌出量的因素 15
25 本章小结 17
3 支持向量机理论和流形学习算法 18
31 支持向量机理论 18
311 统计学习理论 19
312 结构风险最小化原理 19
313 支持向量回归机理论 20
32 流形学习算法 23
321 等距映射算法 24
322 局部线性映射算法 25
323 拉普拉斯特征映射算法 26
324 Hessian 局部线性映射算法 26
325 局部切空间排列算法 27
33 理论应用 28
34 本章小结 31
4 矿井瓦斯涌出量预测模型的建立 32
41 数据的采集及预处理 33
42 模型参数寻优 34
421 交叉验证参数寻优 34
422 遗传算法参数寻优 35
423 粒子群遗传算法参数寻优 36
43 支持向量机算法实现 37
44 模型的测试与验证 38
5 实际矿井瓦斯涌出量预测分析 39
51 LTSA-GA-SVM 瓦斯涌出量预测模型 40
52 LTSA-PSO-SVM 瓦斯涌出量预测模型 43
53 LTSA-CV-SVM 瓦斯涌出量预测模型 45
54 模型预测结果对比分析 47
55 流形学习算法和支持向量机瓦斯涌出量预测模型 49
56 炸药爆轰参数预测分析 50
561 混合炸药爆速的预测 51
562 混合炸药爆热的预测 52
563 与混合炸药爆速试验值对比 54
57 本章小结 54
6 结论与展望 56
61 结论 56
62 展望 57