【摘要】：為提高模糊c-均值聚類(Fuzzy C-Means Clustering Algorithm,FCM)算法在煤與瓦斯突出預(yù)測(cè)中的準(zhǔn)確度,提出一種將模擬退火算法(Simulated Annealing Algorithm,SA)與遺傳算法(Genetic Algorithm,GA)相結(jié)合用于模糊c-均值聚類分析的煤與瓦斯突出預(yù)測(cè)方法。該方法綜合了模擬退火算法全局搜索、高精度的優(yōu)點(diǎn)和遺傳算法強(qiáng)大的空間搜索能力,將經(jīng)遺傳模擬退火算法優(yōu)化后的初始值賦給FCM,避免了由于聚類中心初始值選擇不當(dāng)造成FCM算法收斂到局部極小點(diǎn)上。采用主成分分析法對(duì)煤與瓦斯突出的影響因素進(jìn)行分析,最終選擇瓦斯壓力、瓦斯放散初速度、煤的堅(jiān)固性系數(shù)、煤的破壞類型四個(gè)影響因素建立預(yù)測(cè)指標(biāo)體系。結(jié)合典型突出礦井?dāng)?shù)據(jù)進(jìn)行分析,結(jié)果表明基于SA-GA-FCM的預(yù)測(cè)結(jié)果中只有兩組有偏差且差別較小,表明該方法能夠用于煤與瓦斯突出的預(yù)測(cè)。另外選擇10組典型突出礦井?dāng)?shù)據(jù)分析比較基于SA-GA-FCM的預(yù)測(cè)與單一FCM算法、單項(xiàng)指標(biāo)法、D,K綜合指標(biāo)法預(yù)測(cè)效果,預(yù)測(cè)準(zhǔn)確率分別為80%,70%,50%,60%,表明基于SA-GA-FCM的預(yù)測(cè)準(zhǔn)確度高,預(yù)測(cè)效果好。最后,將該方法用于紅菱煤礦的煤與瓦斯突出預(yù)測(cè),同樣取得較好的預(yù)測(cè)效果。
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD713
【圖文】：

下面介紹幾種常用的交叉算子。逡逑①單點(diǎn)交叉逡逑Ｗ某一點(diǎn)為基準(zhǔn)進(jìn)行染色體的交換，Ｗ該點(diǎn)為切入點(diǎn)上下染色體整體進(jìn)行交換，稱這逡逑交叉方法為單點(diǎn)交叉。逡逑單點(diǎn)交叉運(yùn)算過程如圖３．３所示。逡逑

交叉點(diǎn)１邐交點(diǎn)２邋交叉３圖３．５三點(diǎn)交叉運(yùn)算示意圖逡逑Ｆｉｇ．邋３．５邋Ｔｈｒｅｅ邋ｃｒｏｓｓ邋ｏｐｅｒａｔｉｏｎ邋ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ逡逑③均勻交叉逡逑均勻交叉是指兩個(gè)染色體在交換的過程中，相互么間被交換的概率相同，這種交叉看逡逑。逡逑

圖３．５三點(diǎn)交叉運(yùn)算示意圖逡逑Ｆｉｇ．邋３．５邋Ｔｈｒｅｅ邋ｃｒｏｓｓ邋ｏｐｅｒａｔｉｏｎ邋ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ逡逑

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 李心杰;基于SA-GA-FCM的煤與瓦斯突出預(yù)測(cè)研究[D];遼寧工程技術(shù)大學(xué);2015年

本文編號(hào)：2746290