煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。     

GIS支持下基于非线性理论的煤与瓦斯突出综合预测模型

为弥补单一模型缺陷,提高预测的可靠性和准确性,提出了煤与瓦斯突出综合预测.根据煤与瓦斯突出的机理,选取模糊数学、灰色理论、物元分析模型、神经网络及支持向量机5种成熟的非线性方法作为综合预测的数学模型,应用灰色关联度模型确定预测指标,建立了基于非线性理论的煤与瓦斯突出综合预测模型.分析了GIS支持下基于非线性理论的煤与瓦斯突出综合预测系统的集成方法及关键技术,开发了快速综合预测系统并进行了应用.研究表明,该系统能够快速预测突出危险性.相比于单一模型,该方法综合了多种数学模型,预测结果具有较高的准确性及可信性.     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

基于灰色系统理论的煤与瓦斯突出预测

为了对煤与瓦斯突出事故进行有效的预防与控制 ,笔者应用灰色系统理论中的灰色聚类评估方法 ,对矿井的煤与瓦斯突出进行了预测。经实例证明 ,与常用的预测方法相比 ,灰色聚类预测方法具有能动态预测、预测准确等优点。该方法将影响突出的多个因素综合系统的来考虑 ,跳出了常规预测方法只依靠单一指标进行预测的圈子 ,提高了预测的准确性。研究结果表明 ,该方法能准确地反映矿井煤与瓦斯突出规律 ,是一种新的煤与瓦斯突出预测的方法     

基于MABC-SVM的含瓦斯煤体渗透率预测模型

对含瓦斯煤体的渗透率的有效预测,可为瓦斯抽采和瓦斯灾害的防治提供理论指导,采用改进的人工蜂群算法(MABC)和支持向量机(SVM)相结合对其进行预测。应用改进的人工蜂群算法优化支持向量机的核函数参数C和g,提高了支持向量机的预测准确性。选取有效应力、瓦斯压力、温度和煤的抗压强度作为影响含煤瓦斯渗透率的主要影响指标,结合实验室测试数据,建立MABC-SVM含煤瓦斯渗透率预测模型。研究结果表明:该模型具有较强的泛化能力,可以相对准确有效的对含煤瓦斯渗透率进行预测,为瓦斯渗透率的研究提供了新的研究思路。     

Fisher判别法在煤与瓦斯突出危险程度预测中的应用

为了提高煤与瓦斯突出的预测精度,根据煤与瓦斯突出的综合作用假说,选取开采深度、瓦斯压力、瓦斯放散初速度、煤的普氏系数以及煤体破坏类型作为判别指标。利用国内典型突出矿井20个实测数据作为训练样本,建立煤与瓦斯突出危险程度预测的Fisher判别分析模型,并应用于其他待判样本的预测。结果表明:Fisher判别分析模型能够反映多因素对煤与瓦斯突出的影响,分类性能良好,误判率低,借助SPSS软件实现,具有计算简单的特点,是煤与瓦斯突出预测的一种有效方法。     

基于双耦合算法的煤与瓦斯突出预测模型

为提高煤与瓦斯突出预测精度,有效预防瓦斯突出灾害,将等距映射(IsoMap)算法与优化加权向量机耦合算法(DDICS-WLS-SVM)相结合,建立煤与瓦斯突出双耦合算法预测模型。首先利用非线性流形学习IsoMap算法对煤与瓦斯突出高维数据进行数据挖掘,提取其低维本质特征参量;然后通过逐维改进布谷鸟(DDICS)算法对加权最小二乘向量机(WLS-SVM)的正则化参数λ和高斯核参数σ进行寻优;最后对双耦合算法预测模型进行仿真试验,将IsoMap算法提取的低维本质特征作为该预测模型的输入,煤与瓦斯突出强度值作为模型的输出,并与PSO-SVM、LS-SVM方法的预测结果进行对比。结果表明:双耦合算法预测模型的平均相对误差为1.825%,最大相对误差为2.63%,该预测模型具有较高的预测精度。     

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。     

基于路网脆弱性的紧急情况下交通疏散诱导模型

为提高紧急情况下交通疏散速度,实现对疏散交通流的诱导,需要建立紧急情况下的交通流诱导模型。根据紧急情况下路网特性,提出路网脆弱性指标,并将其引入交通流诱导模型,对常态交通流诱导模型进行改进,得到基于路网脆弱性的紧急情况下交通疏散诱导模型,并用实测数据求解模型参数。分别用常态交通流诱导模型和文中的改进模型进行实例计算,结果表明,经过改进模型诱导之后,高流量和低流量路段相对减少,交通流在路网中的分布更均衡、达到系统最优的效果。对紧急情况下的交通流进行有效诱导,可提高疏散路网利用效率,加快应急交通疏散。     

基于率失真函数的群组层次分析法的研究

层次分析法作为一种常用的安全评价方法,针对其中的两两比较这一环节,由于专家的自身原因,做出的评价与实际情况可能存在一定的误差。该研究借用信息论的理论,将群组层次分析法(GAHP)中的两两比较的实际情况看作信源,将专家看做信道,将得出的判断矩阵看做信息,从而使因为专家的差异而导致的判断矩阵的误差转变为信息在传播过程中的失真;通过分析其失真与信源类型并且计算其中的平均失真度和率失真函数,从而针对基于率失真函数的群组层次分析法的修正进行进一步的研究。最后以某一使用层次分析法的鞭炮厂的评价作为实例,对于率失真函数在判断矩阵的修正中的准确性与可行性进行验证。     

聚乙二醇在相变纺织材料上的应用研究

对聚乙二醇（PEG）进行冷热循环处理时，其超分子结构会发生某种相变，从而改变宏观性质而具有特殊的蓄热调温性能。PEG的相变温度随聚合度变化而变化，在服装应用方面一般采用30～35℃，接近于体温的PEG。以PEG作为相变材料用不同方式添加到纺织材料上，可以使织物具有双向调温的特殊功能。     

基于风险的特种设备使用单位分类监管应用研究

为提高特种设备安全监管效率,缓解设备数量增长与监察力量不足之间的矛盾,基于风险管理理论,提出在风险评价的基础上对特种设备使用单位实施分类监管。在前期特种设备使用单位风险评价体系研究的基础上,结合2011年、2012年的试点应用情况,对风险评价体系的具体评价流程、结果及科学合理性进行了研究。结果表明:C类使用单位的数量依然占据近一半的数量,需引起监管部门的高度重视;同时验证了风险评价体系科学合理、可操作性强,能够有效指导全国分类监管工作的开展。     

网络视域下突发事件对旅游目的地形象的影响过程研究

突发事件直接影响旅游目的地形象,关系到目的地的可持续发展。基于网络视域,从旅游者感知角度,建立突发事件影响目的地形象的过程模型。根据突发事件网络传播的效应——信息爆炸效应和舆论聚合效应,将模型分解为对目的地形象的强化过程和反馈过程。突发事件的网络传播会加速目的地形象感知的过程并深化目的地形象感知的内容,从而强化对目的地形象的感知,反馈过程导致目的地形象的调整。分析表明,网络视域下突发事件对目的地形象的影响更加显著。最后总结网络信息时代目的地遭遇突发事件时维护自身形象的策略。     

基于管理实践的HSE管理体系建设研究

HSE管理体系在石油天然气企业得到广泛应用,对企业提高安全、环保管理水平起到了很好的作用。但是,在HSE管理体系建设中仍然存在着一些对HSE概念认识不清、工作重点把握不准和运行不顺畅等问题,对HSE管理体系的持续改进形成了制约。本文结合HSE管理体系建设实践,对HSE管理体系有关问题进行了研究,以指导企业把HSE管理体系建设引向深入。     

基于GTST-DMLD的系统功能退化分析

功能退化是系统安全性问题的重要部分.目标树-成功树-动态主逻辑图(GTST-DMLD)在二值逻辑的基础上采用模糊逻辑对系统进行动态模拟,提供了分析系统功能退化的有力工具.通过模糊化与解模糊化手段相结合估算系统的性能变化,辅助进行安全性分析.给出了简化电子刹车系统示例.     

协同理论视角下安全监管机制研究

安全生产监督管理是一项庞大复杂的系统工程,涉及到众多利益主体,过度依赖政府单一的安全监管模式已经无法解决安全监管长期存在的难题.要搞好安全生产工作,提高监管绩效,就必须要联动行业协会、企业、中介机构、工会组织、大众媒体等多元社会力量共同参与、协作配合.根据协同理论的科学原理,从法律制度、组织、信息、资源四个协同要素方面,尝试性地构建了协同合作的安全监管机制,这是对我国传统监管体制的改革和创新,为切实提升监管水平提供了新思路和方向.     

基于循证方法的施工现场安全事故预防体系研究

为提高施工现场安全绩效,构建基于循证方法的施工现场安全事故预防体系。阐明施工现场安全循证预防(EBP)的定义、内涵、核心思想,梳理循证预防解决安全问题的思路,并且提出施工现场安全管理循证预防的流程框架。结果表明:针对施工现场安全事故预防中的不足,循证方法解决问题的思路体现在理论和方法 2个层面;施工现场安全管理循证预防体系分为循证诊断和循证干预2个阶段,具体包括安全检查表、框架表示法、荟萃(Meta)分析等关键步骤。     

基于机器学习的侵财类案件危害程度分析

为了进一步分析侵财类案件的危害程度,以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2008—2014年的犯罪数据与统计年鉴数据,提取“发案时间”“发案地域”“选择时机”“选择处所”“选择对象”“人均地区生产总值”“职工月平均工资”7个特征,建立基于多种机器学习分类算法的侵财类案件危害程度预测模型,并进一步开展预测结果的分析研究。研究结果表明:梯度提升决策树（GBDT）算法性能最优,危害程度预测准确率达到了0.88;在抢劫案和抢夺案中,一般和重大的案件容易发生在繁华地带,特大案件容易发生在其他处所;侵财类案件倾向于在工作日的城区中发生,发生的危害程度大多为一般;提出的侵财类案件危害程度预测模型可为侵财类案件的风险评估及警务资源优化配置工作提供方法支持。