本文關(guān)鍵詞：基于最小二乘支持向量機(jī)的瓦斯涌出量預(yù)測(cè)控制

  更多相關(guān)文章： 瓦斯涌出量 智能預(yù)測(cè) 最小二乘支持向量機(jī) 核函數(shù)參數(shù)尋優(yōu) MATLAB GUI

【摘要】：在礦井通風(fēng)設(shè)計(jì)、瓦斯抽放工程設(shè)計(jì)、瓦斯防治工作中,瓦斯涌出量預(yù)測(cè)是必不可少的環(huán)節(jié)。預(yù)測(cè)的精度直接影響到煤礦生產(chǎn)的正常進(jìn)行。長(zhǎng)期以來,許多學(xué)者對(duì)瓦斯?jié)舛阮A(yù)測(cè)進(jìn)行了大量的研究,并提出了許多有效的方法。本文在充分學(xué)習(xí)和研究一些經(jīng)典預(yù)測(cè)方法和當(dāng)前熱點(diǎn)預(yù)測(cè)方法的基礎(chǔ)上,建立了基于最小二乘支持向量機(jī)的預(yù)測(cè)模型,研究結(jié)果說明,與經(jīng)典方法相比,基于最小二乘支持向量機(jī)的預(yù)測(cè)模型具有更好的預(yù)測(cè)效果和更好的泛化性能。 本文在總結(jié)經(jīng)典預(yù)測(cè)方法的基礎(chǔ)上,運(yùn)用分源預(yù)測(cè)法的理論,選取了采煤工作面的開采煤層、臨近煤層、采空區(qū)三個(gè)區(qū)域分別進(jìn)行研究,并針對(duì)三個(gè)不同的區(qū)域分別選取了不同的瓦斯涌出量的影響因子集。 在深入研究支持向量機(jī)和最小二乘支持向量機(jī)理論的基礎(chǔ)上,本文建立基于最小二乘支持向量機(jī)的瓦斯涌出量預(yù)測(cè)模型,選用徑向基核函數(shù)作為核函數(shù),用自調(diào)節(jié)網(wǎng)格搜索法進(jìn)行核函數(shù)參數(shù)的尋優(yōu),并用MATLAB仿真,進(jìn)行了實(shí)例分析,測(cè)試模型的準(zhǔn)確性。 選取機(jī)器學(xué)習(xí)方法中比較經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)方法對(duì)同一實(shí)際測(cè)量數(shù)據(jù)進(jìn)行預(yù)測(cè)對(duì)比,通過誤差分析表明,LSSVM預(yù)測(cè)模型的預(yù)測(cè)精度明顯高于BP人工神經(jīng)網(wǎng)絡(luò)的模型。證明了最小二乘支持向量機(jī)理論應(yīng)用于瓦斯涌出量預(yù)測(cè)具有良好的預(yù)測(cè)性能和泛化性能,證明了該理論的合理性和優(yōu)越性。 最后,結(jié)合煤礦需要實(shí)時(shí)進(jìn)行瓦斯涌出量預(yù)測(cè)的實(shí)際,運(yùn)用MTTLAB的GUI功能設(shè)計(jì)編制了基于最小二乘支持向量機(jī)的瓦斯涌出量預(yù)測(cè)軟件,便于該理論的實(shí)際應(yīng)用,界面友好,使用方便。
【關(guān)鍵詞】：瓦斯涌出量 智能預(yù)測(cè) 最小二乘支持向量機(jī) 核函數(shù)參數(shù)尋優(yōu) MATLAB GUI
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TD712.5
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 引言9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法10-11
• 1.2.2 基于模糊理論的預(yù)測(cè)方法11
• 1.2.3 基于灰色理論的預(yù)測(cè)方法11-12
• 1.2.4 基于支持向量機(jī)的研究方法12-13
• 1.3 主要研究工作13-15
• 第二章 最小二乘支持向量機(jī)理論15-31
• 2.1 統(tǒng)計(jì)學(xué)習(xí)理論15-19
• 2.1.1 機(jī)器學(xué)習(xí)問題15-17
• 2.1.2 VC維理論17
• 2.1.3 推廣性的界17-18
• 2.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化18-19
• 2.2 支持向量機(jī)理論19-26
• 2.2.1 回歸分析簡(jiǎn)介19-20
• 2.2.2 支持向量機(jī)回歸的基本思想20
• 2.2.3 標(biāo)準(zhǔn)SVM回歸算法20-22
• 2.2.4 LSSVM回歸算法22-24
• 2.2.5 核函數(shù)的選擇24-25
• 2.2.6 參數(shù)的選擇方法25-26
• 2.3 MATLAB工具箱的分類和功能26-28
• 2.3.1 SVM工具箱簡(jiǎn)介26-27
• 2.3.2 LSSVM工具箱簡(jiǎn)介27-28
• 2.4 小結(jié)28-31
• 第三章 基于最小二乘支持向量機(jī)的瓦斯涌出量預(yù)測(cè)模型的建立31-39
• 3.1 煤層瓦斯形成和賦存31-32
• 3.2 瓦斯涌出量的影響因素32-35
• 3.2.1 自然因素33
• 3.2.2 開采技術(shù)因素33-35
• 3.3 瓦斯涌出量影響因子的選取35-37
• 3.4 預(yù)測(cè)模型的建立37-38
• 3.4.1 瓦斯涌出量預(yù)測(cè)的步驟37-38
• 3.4.2 建�；玖鞒�38
• 3.5 小結(jié)38-39
• 第四章 瓦斯涌出量預(yù)測(cè)實(shí)例分析39-55
• 4.1 基于LSSVM的瓦斯涌出量預(yù)測(cè)39-46
• 4.1.1 開采煤層瓦斯涌出量預(yù)測(cè)39-42
• 4.1.2 鄰近煤層瓦斯涌出量預(yù)測(cè)42-44
• 4.1.3 采空區(qū)瓦斯涌出量預(yù)測(cè)44-46
• 4.2 基于BP人工神經(jīng)網(wǎng)絡(luò)的瓦斯涌出量預(yù)測(cè)46-53
• 4.2.1 人工神經(jīng)網(wǎng)絡(luò)的原理和運(yùn)行機(jī)制46-48
• 4.2.2 基于BP人工神經(jīng)網(wǎng)絡(luò)的瓦斯涌出量預(yù)測(cè)建模48-50
• 4.2.3 開采煤層瓦斯涌出量預(yù)測(cè)50-51
• 4.2.4 臨近煤層瓦斯涌出量預(yù)測(cè)51-52
• 4.2.5 采空區(qū)瓦斯涌出量預(yù)測(cè)52-53
• 4.3 瓦斯涌出量預(yù)測(cè)結(jié)果分析53-54
• 4.4 小結(jié)54-55
• 第五章 基于GUI的LSSVM瓦斯涌出量預(yù)測(cè)軟件55-65
• 5.1 軟件編制環(huán)境簡(jiǎn)介55-58
• 5.1.1 MATLAB圖形用戶界面平臺(tái)簡(jiǎn)介55-56
• 5.1.2 圖形界面創(chuàng)建工具GUIDE簡(jiǎn)介56-58
• 5.2 軟件實(shí)現(xiàn)的功能58
• 5.3 軟件使用說明58-64
• 5.4 小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 總結(jié)65-66
• 6.2 展望66-67
• 參考文獻(xiàn)67-71
• 致謝71-72
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 李方方;趙英凱;顏昕;;基于Matlab的最小二乘支持向量機(jī)的工具箱及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2006年S2期

2 唐朝偉;何國(guó)田;徐昌彪;趙麗娟;;神經(jīng)網(wǎng)絡(luò)在采煤工作面瓦斯涌出量預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2007年S2期

3 劉星魁;謝金亮;;煤礦安全生產(chǎn)現(xiàn)狀及對(duì)策探討[J];煤炭技術(shù);2008年01期

4 楊敏;汪云甲;程遠(yuǎn)平;;煤與瓦斯突出預(yù)測(cè)的改進(jìn)差分進(jìn)化神經(jīng)網(wǎng)絡(luò)模型研究[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2009年03期

5 孫斌;;瓦斯涌出量灰色預(yù)測(cè)[J];中國(guó)煤炭;2007年08期

，

本文編號(hào)：1064968