基于支持向量机分类算法的多煤种煤自燃危险性预测

论文摘要

为了高效地防治煤矿井下煤自燃,在分析现有的煤自燃预测方法的基础上,针对性地开展了基于支持向量机分类算法的煤自燃危险性预测研究.选取指标气体（氢气、一氧化碳、二氧化碳、甲烷、乙烯、乙烷）、气体浓度比值（烯烷比、Graham系数）和煤炭种类（褐煤、长焰煤、气煤、肥煤、焦煤、贫煤、无烟煤）作为特征指标,危险等级作为样本标签,建立了多煤种支持向量机煤自燃危险性预测模型.使用K-CV（K折交叉验证）法和网格搜索法、遗传算法、粒子群算法相结合的方式进行参数寻优,得出由网格搜索法确定的参数的模型分类准确率最高.将测试集带入模型进行检验,得出模型分类准确率为98.26%.最后将多煤种支持向量机模型与单煤种支持向量机模型和神经网络进行对比,得出多煤种支持向量机性能最优,能够很好地适用于现场煤自燃预测.

论文目录

• 1 基本原理
•   1.1 支持向量机算法
•   1.2 网格搜索法
•   1.3 遗传算法
•   1.4 粒子群算法
• 2 多煤种煤自燃危险性预测支持向量机模型
•   2.1 指标体系的建立
•   2.2 样本数据及规范化处理
•   2.3 SVM参数优化
• 3 实验结果及分析
• 4 结论

文章来源

类型: 期刊论文

作者: 张天宇,鲁义,施式亮,王涛,杨帆,牛会永

关键词: 煤自燃,支持向量机,网格搜索法,遗传算法,粒子群算法

来源: 湖南科技大学学报(自然科学版) 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 矿业工程,安全科学与灾害防治,自动化技术

单位: 湖南科技大学资源环境与安全工程学院,湖南科技大学南方煤矿瓦斯与顶板灾害预防控制安全生产重点实验室

基金: 国家自然科学基金资助项目(51604110,51774135,51874131),中国博士后科学基金面上项目资助(2017M612558,2018T110831),湖南省教育厅一般科研项目资助(17C0641)

分类号: TP18;TD752.2

DOI: 10.13582/j.cnki.1672-9102.2019.02.002

页码: 11-17

总页数: 7

文件大小: 434K

下载量: 293