煤礦地下開采的前提是查明主要可采煤層頂底板工程地質特征,正確地將煤礦巷道圍巖質量分類可以很好地反映井巷工程地質類型和煤礦開采技術條件,可為指導后期煤礦開采設計和支護設計提供重要依據,為煤礦的安全高效生產提供技術支持。鑒于上述背景,本文采用數值分析、工程驗證及數值模擬等研究方法,基于機器學習高效率、可塑性、普適性等優(yōu)點,建立了基于支持向量機（SVM）的煤礦巷道圍巖質量分類模型并與BP神經網絡和隨機森林算法進行比較,找出了最優(yōu)分類模型。為了進一步提高巷道圍巖質量分類準確率,采用遺傳算法（GA）對該模型進行優(yōu)化,最終建立了基于GA-SVM的煤礦巷道圍巖質量分類模型。本文主要研究成果如下:（1）結合粗糙集理論,利用屬性約簡的性質對條件屬性進行約簡。最終得到,屬性集的核是{天然單軸抗壓強度,飽和單軸抗壓強度,軟化系數,天然抗剪強度,飽和抗剪強度,含水率,巖石質量},同時也驗證了煤礦巷道圍巖質量分類指標的必要性。（2）以煤礦巷道圍巖質量分類為研究對象,建立基于機器學習的煤礦巷道圍巖質量分類模型包括:BP神經網絡分類模型、隨機森林分類模型和SVM分類模型。經過預測得到BP神經網絡的分類準確率75%;... 

【文章來源】：山東科技大學山東省

【文章頁數】：88 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究目的和意義
    1.2 國內外研究現狀
    1.3 研究內容與技術路線
2 巷道圍巖質量分類數據處理
    2.1 巷道圍巖質量分類指標的確定
    2.2 數據預處理
    2.3 相關性分析
    2.4 本章小結
3 巷道圍巖質量分類模型的建立
    3.1 BP神經網絡分類模型
    3.2 隨機森林分類模型
    3.3 支持向量機分類模型
    3.4 分類結果對比分析
    3.5 本章小結
4 基于GA-SVM的巷道圍巖質量分類
    4.1 SVM在分類過程中存在的問題
    4.2 遺傳算法基本原理
    4.3 GA-SVM對巷道圍巖質量的分類
    4.4 本章小結
5 工程應用
    5.1 基于GA-SVM的金達煤礦巷道圍巖質量的分類
    5.2 16608工作面材料道圍巖變形數值模擬
    5.3 本章小結
6 結論與創(chuàng)新點
    6.1 結論
    6.2 創(chuàng)新點
參考文獻
附錄
致謝
攻讀碩士學位期間發(fā)表的論文及所取得的研究成果



本文編號：3160628