基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

基于属性约简的绝缘节破损预测

准确的绝缘节破损预测能够保证铁路运输安全和经济效益。支持向量机算法能够处理轨道电路测试数据,对其进行分类,预测可能存在隐患的绝缘节,但支持向量机预测模型的原始样本多有冗余,基于此,提出了一种基于粗糙集和支持向量机的绝缘节破损预测模型。通过改进主分量启发式属性约简算法,降低样本维数,同时选用模拟退火算法完成SVM自动参数选优。实例分析和仿真结果表明,与单一支持向量机算法相比,属性约简后的粗糙集-支持向量机算法提高了分类器的分类性能,与采用网格搜索技术的SVM预测方法相比,模拟退火算法有效提高了SVM的预测精度。     

燃气管线相邻地下空间安全监测方法及其应用研究

城市燃气管线泄漏极易导致火灾爆炸等重大安全事故,严重威胁城市安全。通过监测预警技术,快速准确地发现泄漏,防止可燃气体聚集,是保障燃气管线安全运行的重要手段。提出了一种燃气管线相邻地下空间安全监测预警方法,构建了风险识别、预测预警、分析推演和决策支持一体化安全监测系统,并应用于合肥市2.5 km燃气管线及其相邻空间高风险区域。结果表明,提出的燃气管线相邻地下空间安全监测方法可用于燃气管线泄漏监测预警,以减少或避免燃气泄漏引发的火灾爆炸事故。     

基于实时监测数据的城镇窨井可燃气体泄漏特性分析

为了研究城镇窨井气体泄漏的规律及其影响因素,从而为城市用气安全和工程实践提供指导,同时为气体泄漏事故的应急救援提供理论指导,依托合肥市城市生命线工程燃气管网相邻地下空间安全监测系统,对监测系统运行半年以来的监测数据进行了统计分析。结果表明:城镇燃气管道中燃气泄漏的概率与管道内气体压力呈正相关,而管压又与城市居民用气需求量呈正相关;一般用气高峰过后的1～2 h是最危险的时间段,此时最容易发生燃气泄漏;城镇窨井产生沼气的影响因素主要是温度和湿度等,尤其以温度为主,因此高温季节更容易诱发窨井内沼气的产生和积聚;通常发生燃气泄漏时甲烷体积分数较大,波动剧烈,而窨井自身产生沼气时甲烷体积分数较小且比较稳定,同时产生沼气时,沼气中的甲烷体积分数变化与温度变化趋势一致,据此可判断引发报警的可燃气体的种类;沼气组成成分除甲烷外,还有硫化氢和一氧化碳等气体成分,因此为了对城镇窨井内的报警气源做更准确的分析,需要辅助监测硫化氢、一氧化碳等有毒气体。     

基于支持向量机的入侵检测研究

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据。并在KDD CUP'99标准入侵检测数据集上进行实验,选取data_10_percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back,ipsweep,neptun,ports-weep和normal各200个数据进行测试。实证表明:该方法能获得较高检测率和较低误警率。     

2种基于模式识别的环状燃气管网泄漏检测方法

为了将模式识别技术应用于环状燃气管网泄漏检测并找到合适的特征提取方法,以天津城建大学实验室环状燃气管网泄漏为例,将实验的28种工况作为测试样本,与之对应的模拟工况作为训练样本,采用提取压力图像特征向量法和节点压力矩阵法分别进行环状燃气管网的泄漏检测,采用支持向量机分类器将2种方法获得的特征向量进行训练与分类检验,进而将其分类准确率进行对比分析。研究结果表明:该2种方法均可用于环状燃气管网泄漏检测,提取压力图像特征向量法因有效地降低了特征向量的维度和数据波动的干扰,其结果更优。结合SCADA和GIS系统,可将该法应用于实际水、气、油管网泄漏检测和定位,有助于降低成本,提高检测效果。     

用于早期火灾分类的非线性决策树支持向量机

对早期火灾信息进行研究,提出了一种基于非线性决策树的支持向量机多类分类模型。该模型利用非线性映射将样本投影到高维特征空间,比较每类样本在高维空间的分布情况,进行聚类构造出一个二叉决策树,使容易区分的类别从根节点逐层分类出来,有效克服了错分积累和避免不可分情况;同时,各个节点采用二值最小二乘小波支持向量机,以获得较高的泛化能力。该文将该模型用于早期火灾分类,并与BP神经网络、K近邻法和决策树方法进行比较,实验结果表明,该模型对早期火灾的识别率更高。     

基于优化Bagging-LSSVM模型的冲击地压预测

为准确预测冲击地压危险性,提出一种优化Bagging算法动态集成的最小二乘支持向量机(LSSVM)的预测模型。在设计和优化Bagging-LSSVM模型流程的基础上,引入经典分类数据集,验证模型的可行性,并通过试验得出实现模型最优分类条件下的基分类模型数的最小值。综合考虑冲击地压的主要影响因素,确定其评判指标;以重庆砚石台煤矿的35组实测数据为试验样本,利用核主成分分析(KPCA)消除指标间的相关性,对比分析样本数据处理前后应用模型的预测效果;比较优化Bagging-LSSVM模型、优化Bagging-SVM模型和LSSVN模型预测冲击地压危险性的准确率。结果表明:经KPCA处理后的样本相较于原始样本,其应用于优化Bagging-LSSVM模型的预测准确率更高,耗时更少;且优化Bagging-LSSVM模型预测冲击地压危险性的准确率高于其他模型。     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

支持向量回归机在尾矿坝浸润线预测中的应用

本文提出一种基于支持向量回归机的浸润线高度预测方法,从大量尾矿库监测数据中选取有效样本,运用留一法对支持向量回归机参数进行优化选取,建立预测模型。结果表明：该方法能在小样本、高精度要求下对浸润线高度进行准确的预测。     

基于PSO优化LSSVM模型的回采巷道顶底板移近量预测

为准确预测回采巷道顶底板移近量,减轻现场检测负担,提出一种PSO优化LSSVM算法的顶底板移近量预测方法。该方法综合考虑巷道埋深、直接顶厚度、煤柱宽度、松动圈尺寸、地质异常、巷道高度与宽度、顶底板岩性共9项主要指标因素,建立顶底板移近量预测指标体系;再利用PSO方法对LSSVM模型的核参数σ和惩罚因子f搜索寻优,得到最优核参数和惩罚因子分别为217.384 6和0.043 5;最后将优化后参数输入LSSVM中,结合现场实际参数进行训练学习,最终建立基于PSO-LSSVM算法的回采巷道顶底板移近量预测模型,进行了实例预测,并且采用方向正确性指数DA、平均绝对百分误差MAPE和希尔不等系数TIC三个指标对比评价了PSO-LSSVM模型的准确性。结果表明,PSO优化的LSSVM回采巷道顶底板移近量预测模型的DA指数、MAPE指数和TIC指数分别为0.900 0、9.063 7和0.064 7,该模型相较BP神经网络模型、单纯支持向量机模型和单纯最小二乘支持向量机模型更为真实、准确,且操作运行简便,可用于现场。     

民用飞机着陆距离预测研究

为防止飞机着陆时冲出跑道,采用支持向量机(SVM)模型预测飞机着陆距离。基于机场、气象以及飞机自身等3方面影响因素,选取B737-800为参考机型。利用波音公司的LAND软件采集相关运行数据。通过选择误差最小、精度最优的径向基核函数(RBF)构建最有效的SVM模型。探讨网格参数算法、遗传算法(GA)和粒子群优化(PSO)算法对最佳惩罚函数c和核函数参数g的影响。结果表明,预测着陆数据与实测着陆数据吻合较好——最大绝对误差在20 m范围内,最大相对误差为1%。     

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。     

基于BP和RBFNN的神经网络算法在瓦斯预测中的应用及比较

煤与瓦斯突出是目前导致井下事故的直接原因,及时准确地预测瓦斯突出情况,对于保障井下安全生产有着十分重要地意义.神经网络有良好地自学习和自感应能力.文中将BP算法和基于径向基函数的递归正交最小二乘算法应用于瓦斯预测中,同时比较了两种算法的优点及缺点.仿真测试结果表明,径向基函数神经网络在瓦斯预测中有着更好的实用性.     

基于BP和RBFNN的神经网络算法在瓦斯预测中的应用及比较

煤与瓦斯突出是目前导致井下事故的直接原因，及时准确地预测瓦斯突出情况，对于保障井下安全生产有着十分重要地意义。神经网络有良好地自学习和自感应能力。文中将BP算法和基于径向基函数的递归正交最小二乘算法应用于瓦斯预测中，同时比较了两种算法的优点及缺点。仿真测试结果表明，径向基函数神经网络在瓦斯预测中有着更好的实用性。     

混合液体火灾爆炸危险性——闪点预测与实验研究

支持向量机应用核函数技术,已经成为当前国际上一个研究的热点,由于支持向量机具有良好的理论基础和泛化性能,可将其引入到混合液体闪点预测的研究之中,以期建立准确、高效的预测模型。本文建立了一个基于支持向量机的理论模型,用于预测二元互溶混合液体的闪点。根据所研究混合液体的物理性质,选择了纯物质的粘度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟。结果表明,闪点预测值与实验值符合良好。本方法的提出为工程上提出了一种预测二元互溶液体闪点的有效方法,可应用于评估混合溶液的火灾爆炸危害性及本质较安全设计。     

基于支持向量机的采空区稳定性分级

针对采空区稳定性分级的影响因素众多且关系复杂的特点,提出采用支持向量机理论对采空区稳定性进行分级。根据分级评价指标选取原则,选取岩体结构、地质构造、岩石的质量指标、地下可见水、地下水体、周边开采的影响、相邻空区的情况、工程布置、跨度、面积、高度、矿柱的尺寸及布置、埋藏深度和采空区的规格14个影响因子,建立了采空区稳定性评价指标体系,引入支持向量机理论,选择有向无环图方式构造多类分类器,得到采空区稳定性分级的支持向量机模型。将该模型用于山东黄金矿业西山矿区的25个采空区进行分级,并与未确知测度方法的分级情况     

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。     

激光测距仪/GPS下城市道路SVM-AID算法研究

为减少交通事件引起的交通延误,有效预防偶发性交通事件导致二次事故的发生,提出一种基于支持向量机(SVM)和数据融合技术的城市道路交通事件自动检测(AID)算法。利用车载激光测距仪采集本车与前车的距离,利用搭载全球定位系统(GPS)的浮动车采集本车瞬时速度。将这2种交通数据按一定的规则进行数据级融合,然后运用线性、多项式和径向基(RBF)3种核函数的SVM模型分别进行事件检测。最后,用实测数据对其进行验证。结果表明:核函数为RBF的非线性SVM模型检测率(DR)值最大,误判率(FAR)值最小,检测指标均优于经典算法,说明算法检测性能良好。     

基于KPCA-LSSVM的矿井工作面动力环境安全评价模型

为实现对采前工作面所处动力环境的客观、准确评价,选取9个直接影响工作面 动力环境的指标因素构建安全评价指标体系,建立基于核主成分分析(KPCA)和最小二乘 支持向量机(LSSVM)的工作面动力环境多因素耦合安全评价智能模型。首先根据KPCA理 论对评价指标施行简约化处理,剔除冗余信息,得出6个简约后的评价指标并输入LSSVM 模型中训练学习,最后得到评价模型。选取从平顶山矿区和大同矿区搜集到的30组工作 面历史数据,按照20∶10的比例对模型进行训练和测试,并将测试结果与其他四种模型 结果进行了对比,结果表明:KPCA方法可有效减少数据信息冗余,利用KPCA优化的 LSSVM模型可准确评价工作面动力环境,误判率为0。