共查询到18条相似文献,搜索用时 109 毫秒
1.
对煤与瓦斯突出的主要影响因素进行分析,以煤层开采深度、瓦斯压力、瓦斯放散初速度、煤岩坚固性系数和地质破坏程度为输入向量,采用交叉验证选择模型参数,利用支持向量机具有收敛速度快和全局优化的特性,构建了能够有效表达煤与瓦斯突出主要影响因素与突出之间非线性关系的改进支持向量机模型.通过工程分析表明,利用改进的支持向量机模型对煤与瓦斯突出危险性预测是可行的. 相似文献
2.
基于模式识别的煤与瓦斯突出区域预测 总被引:7,自引:0,他引:7
从潘一矿13 1煤层煤与瓦斯突出特征出发,探讨了突出机理,认为该煤层的突出是构造应力主导的倾出和压出类型的突出·针对该类型的煤与瓦斯突出,从突出的诸控制因素和预测方法的工程可行性等层面讨论了区域预测思想和具体的方法·指出煤和顶底板岩石物理力学性质的异常是构造应力主导的倾出和压出型突出危险区的基本特征和必然共性,并提出了侧重分析煤物理力学性质和瓦斯信息,对勘探资料和测井资料进行充分的数据挖掘,并结合支持向量机先进的分类算法的多因素模式识别区域预测方法,它既有理论基础,又具有工程实用性和可操作性·用这一方法对潘一矿13 1煤层煤与瓦斯突出的区域进行预测,得到的突出危险区与实际发生的突出点分布范围相... 相似文献
3.
煤与瓦斯突出是一种非常复杂的动力现象,影响因素众多,发生原因复杂。文中采用SPSS软件对典型突出矿井的煤层瓦斯压力(P)、瓦斯放散初速度(ΔP)、煤的破坏类型(D)、煤的坚固性系数(f)4个参数的实测数据进行了系统聚类分析。分析结果与17个已知样本实际发生的动力现象一致,说明了综合4个指标来预测煤与瓦斯突出的合理性。然后通过判别分析建立了煤与瓦斯突出预测函数。实践证明,该函数较准确地预测了17个已知样本和4个未知样本的煤层突出危险性,为煤与瓦斯突出预测提供了一种新方法。 相似文献
4.
基于人工蜂群算法优化支持向量机的 采场底板破坏深度预测 总被引:1,自引:0,他引:1
为确定合理的底板防水煤岩柱尺寸,减少底板突水安全事故的发生,利用支持向量机(SVM)与人工蜂群算法(ABCA)综合研究底板破坏深度问题。由于SVM训练参数惩罚因子C和核函数宽度g的选择对预测精度的影响显著,采用ABCA优化该训练参数的选择过程,建立基于SVM的底板破坏深度预测模型。选取采深、煤层倾角、采厚、工作面斜长、底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标,利用现场实测的30组数据作为样本对该模型进行训练和预测。结果表明:该预测模型的平均相对误差为12.5%,平均绝对误差为0.986m,均方误差为0.005,平方相关系数为0.980,较其他预测模型具有更强的泛化能力和更高的预测精度。 相似文献
5.
基于支持向量机的增量学习算法 总被引:1,自引:0,他引:1
通过对支持向量机KKT条件和样本间关系的研究,分析了新增样本加入训练集后支持向量的变化情况,提出一种改进的Upper Limiton Increment增量学习算法.该算法按照KKT条件将对应的样本分为3类:位于分类器间隔外,记为RIG;位于分类间隔上,记为MAR;位于分类间隔内,记为ERR.并在每次训练后保存ERR集,将其与下一个增量样本合并进行下一次训练.实验证明了该算法的可行性和有效性. 相似文献
6.
基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法. 针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性. 相似文献
7.
支持向量机在水资源中的应用较少,主要用于水资源时间序列预测。在介绍支持向量机回归原理的基础上,着重介绍支持向量机在水资源研究中的应用,并提出了应用中存在的一些问题。 相似文献
8.
郭辉 《重庆师范大学学报(自然科学版)》2007,24(4):45-49
支持向量机(SVM)是数据挖掘中的一项新技术,是借助于最优化方法解决机器学习问题的新工具。在研究了股票数据的特点以及对股票预测的研究结果后,本文根据传统的SVM算法原理,提出一种在线选择训练样本的在线增量训练的方式完成模型更新的动态预测模型(DMDI),使得仅增加较小工作量为代价而获得更高的预测精度成为可能。应用DMDI对股市的大盘和个股的走势分别进行中短期预测,并跟神经网络的预测结果进行了比较。大量数值实验表明,DMDI模型比不进行选择的静态模型和神经网络模型对股票走势的预测更为有效,具有明显的优越性。 相似文献
9.
基于粒子群最小二乘支持向量机的瓦斯含量预测 总被引:3,自引:0,他引:3
针对经验模型与确定性模型在应用中受到限制问题,采用基于统计学习理论的支持向量机对经验数据进行学习,建立瓦斯含量与其影响因素之间的映射模型,从而实现煤层瓦斯含量预测.支持向量机的惩罚因子和核参数取值不同将会明显影响其预测的精度,支持向量机本身也没给出解决的办法,引入粒子群算法自动搜索支持向量机参数.该方法克服了神经网络过学习问题和支持向量机人为选取参数的盲目性问题.通过对某矿区样本的学习预测研究,表明该方法可取得良好的预测效果,具有较好的适应性. 相似文献
10.
本文应用模糊数学方法,结合南桐矿务局砚石台煤矿的具体情况,对该矿煤与瓦斯突出的预测进行了多级模糊综合评判。其评判结果与该矿的实际情况吻合,表明了模糊论方法学在煤与瓦斯突出预测中的应用是可行的。本文所得结果对该矿煤与瓦斯突出的预测及防治措施的研究都具有参考价值。图1,表5,参5。 相似文献
11.
煤与瓦斯突出发生的内在机理复杂,突出影响因素与突出事件之间的相关规律具有不确定性、模糊性,使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用受到很大限制.在研究非线性降维等距特征映射和序贯最小优化算法的基础上,提出一种基于等距特征映射的煤与瓦斯突出序贯最小优化算法,该方法改进了样本向量之间的距离度量,用测地距离代替传统的欧式距离,有助于挖掘高维数据内在的几何结构.实例验证表明,该算法能可靠预测煤与瓦斯突出的危险性分类,实验进一步将Isomap和主成分分析的降维结果相比较,结果显示Isomap优于传统的线性降维技术,这说明非线性降维技术在地学数据分析中具有一定的应用潜力. 相似文献
12.
应用不相容方程组和最小二乘理论,根据已有的瓦斯压力原始统计资料,建立了煤层瓦斯压力和煤层地理位置关系的方程,并进行了相关性分析。分析结果表明可以根据此方程,由煤层所在的地理位置准确地预测煤层的瓦斯压力,进而对煤与瓦斯突出灾害进行预测,对矿山的生产和建设具有重要的实用价值。 相似文献
13.
基于果蝇优化算法的支持向量机参数优化在船舶操纵预报中的应用 总被引:1,自引:0,他引:1
应用果蝇优化算法对船舶操纵运动预报的ε-支持向量机(ε-SVM)的参数进行优化,建立船舶操纵运动预报黑箱模型,并用所建立的模型对Z形试验进行预报.通过预报结果与仿真试验结果对比,验证了该优化算法的有效性.研究结果表明,所设计的参数寻优方法具有算法设置简单、调整参数少以及不易陷入局部极小值等优点. 相似文献
14.
东营凹陷深部储层埋深大,构造及相带变化复杂,钻遇目标层的井少,储层预测有很大的困难。本文以东营凹陷东部孔一段为例,将适合较小样本预测的支持向量机方法(Support Vector Machine, SVM)应用到储层预测中。为了提高预测精度,惩罚因子选取和核函数参数训练过程中引入了交叉验证。输入样本为井点处的地震属性和储层厚度,属性通过井震关系优先,选取的是带宽、能量半时、最大振幅、均方根振幅、过零点个数和弧长等6种属性。预测结果表明,本文方法较常规的多元线性回归、不加交叉验证的SVM方法,有更高的预测精度,在深层勘探中有推广价值。 相似文献
15.
针对膜蛋白类型预测中普遍存在的不平衡样本问题,分析一般支持向量机(SVM)在处理不平衡样本时的缺陷,引入加权SVM来补偿由于训练集中的类别差异引起的分类结果偏向于多样本类别的问题.采用统计预测中的一致测试、交叉校验和独立测试方法进行测试.实验表明,不平衡处理后的效果非常理想,该方法可以成为现有方法一个有效的补充分析工具. 相似文献
16.
17.
导线或电缆不仅是高效的电磁干扰接收天线,也是高效的电磁干扰辐射天线。互连导线间的串扰是一种典型的电磁兼容问题。为了达到更好的电磁兼容预测效果,提出了基于支持向量机(SVM)的预测算法。算法以结构风险最小化为原则,比以经验风险最小化为原则的传统神经网络性能更优。利用遗传算法优化预测模型的关联参数,可以进一步提高计算效率和精度。实验结果表明利用SVM算法对导线串扰预测的误差最小。通过对导线串扰预测模型的影响因子进行相关性分析,降低了模型的自变量维度。简化后的模型预测具有更好的实用性。 相似文献
18.
为实现潘二矿首个A组煤快速投产,实现矿井正常接替,通过合理利用现有巷道关系,优化钻孔设计,改进钻孔施工工艺,提高钻孔施工质量。并实行抽采系统自动排水,提高钻孔抽采效果,实现石门揭煤快速消突。为快速进入A组煤的煤巷掘进提供有力保障。 相似文献