本文在簡(jiǎn)要分析煤礦百萬(wàn)噸死亡率計(jì)算方法和存在問(wèn)題的基礎(chǔ)上,結(jié)合各產(chǎn)煤省區(qū)近幾年來(lái)的煤礦百萬(wàn)噸死亡數(shù)據(jù),利用灰色關(guān)聯(lián)分析方法、基于Vague思想的[-1,1]線性生成算子的數(shù)據(jù)無(wú)量綱化處理方法和基于煤炭產(chǎn)量的關(guān)聯(lián)度加權(quán)的兩種改進(jìn)灰色關(guān)聯(lián)分析方法,建立了包括集體所有制煤礦產(chǎn)量所占比例、高瓦斯礦井所占比例、煤與瓦斯突出礦井所占比例、從業(yè)人員中工程技術(shù)人員比例、機(jī)械化掘進(jìn)率、采煤機(jī)械化率、從業(yè)人員平均工資、綜合機(jī)械化采煤率、原煤全員效率的煤礦百萬(wàn)噸死亡率預(yù)測(cè)指標(biāo)體系；接著引入了基于緩沖算子的灰色預(yù)測(cè)模型,對(duì)煤礦百萬(wàn)噸死亡率預(yù)測(cè)的指標(biāo)進(jìn)行了測(cè)算,并從前10階的緩沖算子的預(yù)測(cè)結(jié)果中選取最佳測(cè)算值；最后,提出基于一種多階灰色、最小二乘支持向量機(jī)的煤礦百萬(wàn)噸死亡率組合預(yù)測(cè)新模型Dm-GM(1,1)-LSSVM;利用遺傳算法、粒子群算法和網(wǎng)格搜索算法分別對(duì)新模型中的懲罰參數(shù)和核參數(shù)進(jìn)行尋優(yōu)。通過(guò)實(shí)例驗(yàn)證,本論文建立的模型和計(jì)算方法提高了煤礦百萬(wàn)噸死亡率的預(yù)測(cè)精度。

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
詳細(xì)摘要
Detailed Abstract
1 緒論
    1.1 課題的選題背景及意義
        1.1.1 課題的選題背景
        1.1.2 課題研究的意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 煤礦事故預(yù)測(cè)模型研究現(xiàn)狀
        1.2.2 支持向量機(jī)研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容與技術(shù)路線
        1.3.1 主要研究?jī)?nèi)容
        1.3.2 論文的組織結(jié)構(gòu)
    1.4 本章小結(jié)
2 相關(guān)理論基礎(chǔ)
    2.1 統(tǒng)計(jì)學(xué)習(xí)問(wèn)題
        2.1.1 機(jī)器學(xué)習(xí)的問(wèn)題表示
        2.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
        2.1.3 VC維
        2.1.4 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    2.2 常用預(yù)測(cè)模型
        2.2.1 時(shí)間序列模型
        2.2.2 灰色模型
        2.2.3 人工神經(jīng)網(wǎng)絡(luò)模型
    2.3 支持向量機(jī)
        2.3.1 最優(yōu)分類超平面
        2.3.2 支持向量回歸機(jī)
        2.3.3 線性回歸原理
        2.3.4 非線性回歸原理
        2.3.5 核函數(shù)
    2.4 本章小結(jié)
3 煤礦百萬(wàn)噸死亡率預(yù)測(cè)指標(biāo)體系的建立
    3.1 煤礦百萬(wàn)噸死亡率影響因素構(gòu)成
        3.1.1 煤礦安全生產(chǎn)控制指標(biāo)
        3.1.2 指標(biāo)的下達(dá)方式及分解計(jì)算方法
        3.1.3 煤礦百萬(wàn)噸死亡率影響因子構(gòu)成
    3.2 基于灰色關(guān)聯(lián)分析的煤礦百萬(wàn)噸死亡率指標(biāo)體系的建立
        3.2.1 灰色關(guān)聯(lián)分析的基本特征
        3.2.2 灰色關(guān)聯(lián)分析模型
        3.2.3 2004年煤礦百萬(wàn)噸死亡率關(guān)聯(lián)分析
        3.2.4 2010年煤礦百萬(wàn)噸死亡率關(guān)聯(lián)分析
        3.2.5 煤礦百萬(wàn)噸死亡率灰色關(guān)聯(lián)分析結(jié)果對(duì)比
    3.3 基與改進(jìn)的灰色關(guān)聯(lián)煤礦百萬(wàn)噸死亡率指標(biāo)體系的建立
        3.3.1 數(shù)據(jù)無(wú)量綱化處理方法的改進(jìn)
        3.3.2 關(guān)聯(lián)度加權(quán)改進(jìn)算法
        3.3.3 煤礦百萬(wàn)噸死亡率改進(jìn)灰色關(guān)聯(lián)分析結(jié)果對(duì)比
    3.4 本章小結(jié)
4 基于灰色模型的煤礦百萬(wàn)噸死亡率指標(biāo)的測(cè)算
    4.1 煤礦百萬(wàn)噸死亡率GM(1,1)模型
        4.1.1 GM(1,1)模型建模機(jī)理
        4.1.2 GM(1,1)模型的檢驗(yàn)
    4.2 煤礦百萬(wàn)噸死亡率D_m-GM(1,1)模型
        4.2.1 緩沖算子改進(jìn)灰色模型的建立過(guò)程
        4.2.2 緩沖算子改進(jìn)灰色模型的優(yōu)點(diǎn)
    4.3 D_m-GM(1,1)模型在煤礦百萬(wàn)噸死亡率指標(biāo)測(cè)算中的應(yīng)用
        4.3.1 煤礦百萬(wàn)噸死亡率原始數(shù)據(jù)處理
        4.3.2 基于GM(1,1)模型的煤礦百萬(wàn)噸死亡率指標(biāo)測(cè)算
        4.3.3 基于D-GM(1,1)模型的煤礦百萬(wàn)噸死亡率指標(biāo)測(cè)算
        4.3.4 基于D_m-GM(1,1)模型的煤礦百萬(wàn)噸死亡率指標(biāo)測(cè)算
        4.3.5 基于D_m-GM(1,1)煤礦百萬(wàn)噸死亡率指標(biāo)誤差檢驗(yàn)
        4.3.6 預(yù)測(cè)結(jié)果分析
    4.4 本章小結(jié)
5 基于支持向量機(jī)的煤礦百萬(wàn)噸死亡率預(yù)測(cè)模型研究
    5.1 支持向量機(jī)模型選擇
        5.1.1 最小二乘支持向量機(jī)叢本原理
        5.1.2 核函數(shù)的選取
        5.1.3 預(yù)測(cè)誤差分析的指標(biāo)
        5.1.4 LSSVM參數(shù)選擇算法優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn)
        5.1.5 LSSVM參數(shù)的優(yōu)化
    5.2 遺傳算法(GA)優(yōu)化LSSVM
        5.2.1 遺傳算法
        5.2.2 遺傳算法優(yōu)化LSSVM
    5.3 粒子群(PSO)算法優(yōu)化LSSVM
        5.3.1 粒子群算法理論
        5.3.2 粒子群算法優(yōu)化LSSVM
    5.4 LSSVM煤礦百萬(wàn)噸死亡率預(yù)測(cè)
        5.4.1 煤礦百萬(wàn)噸死亡率樣本數(shù)據(jù)的歸一化處理
        5.4.2 煤礦百萬(wàn)噸死亡率模型參數(shù)選取
        5.4.3 煤礦百萬(wàn)噸死亡率訓(xùn)練樣本預(yù)測(cè)
        5.4.4 煤礦百萬(wàn)噸死亡率測(cè)試樣本預(yù)測(cè)
    5.5 D_m-GM(1,1)-LSSVM煤礦百萬(wàn)噸死亡率預(yù)測(cè)
        5.5.1 2010的未來(lái)兩年指標(biāo)灰色預(yù)測(cè)
        5.5.2 2010的未來(lái)兩年煤礦百萬(wàn)噸死亡率D_m-GM(1,1)-LSSVM預(yù)測(cè)
        5.5.3 與其他預(yù)測(cè)方法的比較
    5.6 本章小結(jié)
6 總結(jié)和展望
    6.1 主要工作與創(chuàng)新
    6.2 進(jìn)一步研究方向
參考文獻(xiàn)
致謝
讀博期間發(fā)表的學(xué)術(shù)論文及參與項(xiàng)目



本文編號(hào)：4034591