煤与瓦斯突出预测som-svm模型

《煤与瓦斯突出预测som-svm模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目：煤与瓦斯突出预测SOM-SVM模型专业：应用数学硕士生：雷艳玲（签名）______________指导教师：刘叶玲（签名）______________摘要煤炭生产是危险性极高的采矿行业，生产过程中时刻伴随着瓦斯、透水、塌方等安全隐患，而煤与瓦斯突出是最严重、破坏性最大的安全事故之一，因此矿井需要投入大量的人力和物力开展相应的防突工作。为了减少防突措施的盲目性和采取合理的防突措施，进行煤与瓦斯突出预测方法的研究具有重要意义，旨在提高突出预测精度和预测效率，进而为防突措施的实施提供更加科学的依据。自组织特征映射

2、网是模拟大脑神经系统的自组织特征映射功能，通过学习可以提取一组数据中的重要特征或某种内在规律，按离散时间方式进行分类，这种分类反映了样本集的本质区别，它是一种非监督自组织学习。支持向量机是从统计学理论的基础上发展起来的，它是一种有导师学习算法，它根据结构风险最小化原则，尽量提高学习机的泛化能力，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。非监督学习算法的分类精度通常很难令人满意，而有导师学习算法需要人工选取训练样本，这些样本直接影响着分类精度，并且对于大规模数据集，这种算法的训练效率大大降低。因此，

3、本文提出一种非监督的SOM网和有导师学习的SVM相结合的SOM-SVM分类新模型，它不仅满足了支持向量机对训练样本规模的要求，又保证了分类的准确率，本文尝试将其应用于煤与瓦斯突出预测中。本文以煤与瓦斯突出机理及突出预测的概况为基础，首先了解了影响瓦斯突出的各种因素，并结合国内外突出预测的研究现状和研究成果，对现有分类方法进行了对比和改进，由于煤与瓦斯突出预测问题是多分类问题，本文采用Matlab可视化神经网络工具箱和Libsvm软件来编写该分类算法，从而建立了煤与瓦斯突出预测的SOM-SVM模型。通过现场实测数据进行

4、煤与瓦斯突出危险性预测，结果表明:使用SOM-SVM算法建立的模型，能够快速准确的预测出开发煤层的突出危险程度，一方面节省了不必要的防突开支，提高了经济效益，另一方面又保证了安全生产。因此两种算法的结合对煤与瓦斯突出危险性预测是有效的，它与传统的预测方法相比，容错能力更强，预测精度更高。关键词：煤与瓦斯突出；自组织特征映射；支持向量机；预测研究类型：应用研究Subject:SOM-SVMPredictionModelofCoalandGasBurstSpecialty:AppliedMathematicsName:L

5、eiYan-ling(Signature)______________Instructor:LiuYe-ling(Signature)______________ABSTRACTCoalproductionisaminingindustrywithhighrisk.Intheproductionprocesspotentialsafetyproblems,forexample,gas,floodsandlandslidesalwayswithit.What’smore,coalandgasburstingisoneo

6、fthemostseriousanddevastatingsafeaccident,somineneedstoconcentratemuchmanpowerandmaterialresourcesintotheoutburstpreventionmeasures.Inordertoreducetheblindnessofoutburstpreventionmeasuresandtakereasonablemeasures,itisimportanttoresearchsomepredictivemethodsabou

7、tcoalandgasbursting.Withthesemethods,wecanimprovetheprecisionandefficiencyofpreventionmeasuresandprovidescientificproofforcarryingouttheoutburstpreventionmeasures.Self-organizingfeaturemapimitatestheself-organizingmappingfunctionofbrainnervesystem,fromdoingthis

8、,itcanpickupbrainnervesystemandsomeinherentlawfromacombinationofstatistics,thenclassifyaccordingtothediscretetimeway.Thisclassificationreflectstheessentialdifferencefromthes