本文關鍵詞：基于改進粒子群優(yōu)化支持向量機的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預測研究

  更多相關文章： 煤礦生產(chǎn)物流系統(tǒng) 安全狀態(tài) 支持向量機 灰色理論 粒子群

【摘要】：煤炭資源是我國具有戰(zhàn)略地位的重要能源,是我國未來幾十年經(jīng)濟發(fā)展和社會進步的命脈。隨著煤炭需求不斷增加,煤礦安全生產(chǎn)面臨巨大壓力,這關系到我國煤炭工業(yè)的可持續(xù)發(fā)展和國家能源安全。煤礦生產(chǎn)物流系統(tǒng)的安全是保證煤礦生產(chǎn)正常運行和發(fā)揮經(jīng)濟效益的基礎。因此,加強煤礦生產(chǎn)物流系統(tǒng)的安全管理,尤其是強化對礦井安全狀態(tài)的有效預測意義重大。 本文以具有復雜非線性、實時動態(tài)性、模糊不確定性等特征的煤礦生產(chǎn)物流系統(tǒng)為研究對象,著重從安全狀態(tài)預測的角度出發(fā),提出一套完整的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)指標體系并提出相應的預測方法。本文的主要內(nèi)容如下。 (1)結合煤礦生產(chǎn)物流系統(tǒng)的復雜特性,站在事中控制、動態(tài)分析的角度,從人員因素、作業(yè)因素、機電因素、運輸因素、通風因素、排水因素和瓦斯因素的七個方面進行分類,全面細致地對煤礦生產(chǎn)物流系統(tǒng)的安全性進行分析,探究出各影響因素與煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)之間的作用機理。 (2)提出一種基于灰色理論的煤礦生產(chǎn)物流安全狀態(tài)指標體系構建方法。首先通過影響因素分析,初步建立指標體系；然后運用灰色聚類,減少指標相關性;最后通過灰色關聯(lián)分析,篩選優(yōu)化指標體系。這樣的處理方法不僅避免了人為主觀性的干擾,而且實現(xiàn)了指標體系的精簡優(yōu)化。 (3)針對煤礦生產(chǎn)物流系統(tǒng)復雜多變、數(shù)據(jù)獲取困難的特點,提出一種基于改進粒子群優(yōu)化支持向量機(IPSO-SVM,Improved Particle Swarm Optimization-Support Vector Machine)的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預測模型。首先,采用對慣性權重和學習權重進行線性調整的方法,改善粒子群優(yōu)化算法(PSO, Particle Swarm Optimization)的收斂速度和搜索精度；然后,將改進后的PSO與傳統(tǒng)支持向量機(SVM, Support Vector Machine)相融合,解決SVM參數(shù)設置困難的問題；最后,通過案例實驗,驗證了該模型的有效性。 本文研究成果不僅拓展了煤礦生產(chǎn)物流系統(tǒng)的研究領域,豐富了煤礦安全管理的研究成果,而且有助于改善日趨嚴峻的煤礦安全生產(chǎn)形勢,幫助煤炭企業(yè)提升安全生產(chǎn)管理水平,對于我國煤炭行業(yè)的可持續(xù)發(fā)展具有積極意義。
【關鍵詞】：煤礦生產(chǎn)物流系統(tǒng) 安全狀態(tài) 支持向量機 灰色理論 粒子群
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TD7;F426.21;F252
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-10
• 1 緒論10-19
• 1.1 研究背景及意義10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11-12
• 1.2. 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 煤礦生產(chǎn)物流研究現(xiàn)狀12-14
• 1.2.2 煤礦安全預測研究現(xiàn)狀14-16
• 1.3 研究內(nèi)容與技術路線16-18
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 技術路線17-18
• 1.4 本文創(chuàng)新點18-19
• 2 理論綜述19-29
• 2.1 煤礦生產(chǎn)物流系統(tǒng)19-20
• 2.1.1 煤礦生產(chǎn)物流系統(tǒng)定義19
• 2.1.2 煤礦生產(chǎn)物流系統(tǒng)特點19-20
• 2.2 灰色理論20-22
• 2.2.1 灰色聚類分析20-21
• 2.2.2 灰色關聯(lián)分析21-22
• 2.3 SVM理論22-27
• 2.3.1 統(tǒng)計學習理論22-23
• 2.3.2 SVM分類原理23-27
• 2.4 PSO算法理論27-28
• 2.4.1 PSO算法的原理27-28
• 2.4.2 PSO算法的優(yōu)缺點28
• 2.5 本章小結28-29
• 3 煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)指標體系研究29-44
• 3.1 指標選取原則29-30
• 3.2 選取指標存在的問題30-31
• 3.3 煤礦生產(chǎn)物流安全狀態(tài)影響因素分析31-37
• 3.3.1 人員因素32-33
• 3.3.2 作業(yè)因素33
• 3.3.3 機電因素33-34
• 3.3.4 運輸因素34-35
• 3.3.5 通風因素35
• 3.3.6 排水因素35-36
• 3.3.7 瓦斯因素36-37
• 3.4 指標體系的初步構建37-38
• 3.5 指標體系優(yōu)化38-43
• 3.5.1 基于灰色聚類分析的指標分類39-41
• 3.5.2 基于灰色關聯(lián)分析的指標修正41-43
• 3.6 本章小結43-44
• 4 煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預測模型研究44-52
• 4.1 建�；舅悸�44
• 4.2 核函數(shù)的選取44-46
• 4.3 PSO算法的改進46-47
• 4.3.1 慣性權重的調節(jié)46
• 4.3.2 學習權重的調節(jié)46-47
• 4.4 參數(shù)優(yōu)選機制47-49
• 4.4.1 交叉驗證機制47
• 4.4.2 IPSO優(yōu)化機制47-49
• 4.5 基于IPSO-SVM的煤礦生產(chǎn)物流系統(tǒng)安全狀態(tài)預測模型架構49-50
• 4.6 算例驗證50-51
• 4.7 本章小結51-52
• 5 案例分析52-61
• 5.1 案例背景闡述52
• 5.2 實驗準備52-55
• 5.2.1 實驗環(huán)境52-53
• 5.2.2 安全狀態(tài)分類53-54
• 5.2.3 樣本搜集及處理54-55
• 5.3 實驗運行及結果分析55-60
• 5.3.1 實驗初始化設置55-56
• 5.3.2 參數(shù)優(yōu)化結果分析56-58
• 5.3.3 模型測試結果分析58-60
• 5.4 本章小結60-61
• 6 總結與展望61-63
• 6.1 研究總結61-62
• 6.2 研究展望62-63
• 參考文獻63-67
• 致謝67-68
• 個人簡歷、在校期間發(fā)表的學術論文與研究成果68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 龐成;;煤礦防塵安全評價體系研究[J];礦業(yè)安全與環(huán)保;2011年03期

2 姜艷萍;樊治平;鄭玉巖;;基于特征匹配的突發(fā)事件應急預案選擇方法[J];系統(tǒng)工程;2011年12期

3 馬亞杰;王東;孫海威;;ANN采煤工作面最大涌水量預測與指標優(yōu)化[J];遼寧工程技術大學學報(自然科學版);2013年07期

4 鄧明明;孫林巖;孫林輝;崔凱;;煤礦工人反應時、暗適應測試與事故傾向調查[J];工業(yè)工程與管理;2013年03期

5 楊文光;高艷輝;王清;;模糊前向神經(jīng)網(wǎng)絡在瓦斯涌出量預測中的應用[J];安徽大學學報(自然科學版);2013年06期

6 王天瑜;劉勇;徐德宇;;滴道礦立井28#煤層瓦斯含量灰色關聯(lián)分析及預測[J];安全與環(huán)境學報;2014年01期

7 曹慶仁;李凱;李靜林;;管理者行為對礦工不安全行為的影響關系研究[J];管理科學;2011年06期

8 宋華嶺;溫國鋒;劉麗娟;李金克;張漪;王傳鵬;李春蕾;;復雜信息度量的安全系統(tǒng)結構復雜性評價[J];管理科學學報;2012年02期

9 張洪杰;劉貞堂;于曉月;;煤礦安全風險指標體系構建研究[J];能源技術與管理;2010年01期

10 羅紅波;矯興艷;王冉;;礦井人-機-環(huán)境系統(tǒng)安全評價[J];礦業(yè)快報;2007年12期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 王金鳳;煤礦生產(chǎn)物流系統(tǒng)研究[D];天津大學;2005年

，

本文編號：886117