矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

煤与瓦斯突出预测的QGA-LSSVM模型

为快速、有效地对煤与瓦斯突出类型作出预测,运用灰色关联和因子分析模型对所选主要的判别指标进行分析提取,利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数作寻优处理,最终建立QGA-LSSVM煤与瓦斯突出预测模型。选取从砚石台矿区历史实测的数据,以96∶20的比例对该模型进行训练与测试,并将预测结果与其他预测模型的预测效果进行了比较。研究结果表明:对判别指标进行灰色关联分析可以有效去除对煤与瓦斯突出影响作用小的指标;用因子分析进行公共因子提取,可以有效减少数据信息冗余;利用QGA优化的LSSVM模型能使结果避免陷入局部最优解,用该模型可以有效预测煤与瓦斯突出类型,误判率为0。     

矿井主风机不停风倒机系统最优控制研究

为解决矿井停机切换主要通风机过程中引起的井下风量波动很大,易造成瓦斯积聚等引发的安全问题,提出1种基于智能控制的主通风机稳风切换系统.建立动态风机倒机数学模型,提出基于改进粒子群算法优化的模糊自适应PID的控制方法,并应用MATLAB进行仿真实验,结果表明:控制方法控制效果明显,在系统运行的120 s内,井下风量波动始...     

QGA-RFR模型在导水裂隙带高度预测中的应用

为准确预测矿井顶板导水裂隙带高度,用随机森林回归算法(RFR)筛选出开采工作面导水裂隙带高度主要影响因素;借助量子遗传算法(QGA)优化RFR中分裂属性特征值和决策树棵数2个关键参数,建立基于QGA-RFR的导水裂隙带高度预测模型;将实测的124组导水裂隙带相关数据代入模型进行训练和预测,并将预测结果与GA-RFR、RFR、BP和支持向量机(SVM)等模型预测结果对比。结果表明:QGA-RFR模型的最优参数组合为(5,350),该参数下模型预测误差值仅为0.113 8;与GA-RFR、RFR、BP和SVM等模型相比,QGA-RFR模型具有更小的平均绝对百分比误差值(0.037 63)、均方根误差值(2.129)和最大相对误差值(0.055 06),验证了QGA-RFR模型的拟合效果更优。     

煤层底板突水危险性GSPCA-LSSVM评价模型

为快速、准确地评价煤层底板突水危险性,选取水压等作为影响因素,以其灰色关联度作为灰色主成分分析(GSPCA)的协方差矩阵,提取信息不重叠的灰色主成分,并将该成分作为最小二乘支持向量机(LSSVM)的输入向量,底板突水危险性作为LSSVM输出向量,建立煤层底板突水危险性GSPCA-LSSVM评价模型;将20组实测数据作为训练样本训练模型,采用回代估计法进行回检;利用训练好的模型对5组检验样本进行评价。结果表明:利用GSPCA提取的主成分考虑原影响因素不完备性,包含其超过91.97%的信息,减少信息冗余;经GSPCA处理后LSSVM计算复杂度降低;用GSPCA-LSSVM模型评价煤层底板突水危险性,结果与实际情况基本吻合。     

露天采矿爆破振动对民房破坏的旋转森林预测模型

针对爆破振动对民房破坏问题,应用因子分析及旋转森林理论,选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件为影响因素。建立基于因子分析的露天采矿爆破振动对民房破坏的旋转森林预测模型。利用现场实测32组爆破数据作为学习样本进行训练。采用回代估计方法进行检验,误判率为1/32。用另外12组爆破试验数据作为测试样本进行预测。结果表明,就爆破振动对民房破坏而言,灰缝强度、房屋高度、屋盖形式、圈梁构造柱及施工质量与其相关程度较高。用模型所得预测结果的误判率为1/6。