论文部分内容阅读
煤炭是我国能源的主体,我山西省矿产资源丰富,素有“煤矿之乡”之称,在全国的煤炭生产中煤储量中占有非常大的比例。在煤矿安全生产中,危害性最大的是瓦斯突出,因此对瓦斯突出做出事先的准确的突出预警具有重大的理论和现实意义。瓦斯突出事件是一个受多种因素综合影响的复杂的、非线性的、高维问题,用传统方法对其进行预测往往难以奏效,本文把统计学习理论的新方法支持向量机应用于瓦斯突出预测中,为解决矿井瓦斯突出预测问题提供了一条新途径。据此本文提出采用数据挖掘算法中的支持向量机算法对瓦斯突出在WEKA平台下进行预测研究。支持向量机是近些年机器学习的研究热点,它以统计学理论为基础,较好地解决了小样本、非线性、高维数、局部极小值等实际问题,具有良好的分类识别效果,由于其出色的学习和推广性能,受到人们极大的关注及研究,已经被广泛应用到各个领域。由Waikato大学所研发的利用JAVA语言编写的WEKA开源软件,里面包含了各种各样的挖掘算法,以便人们学习研究。本文通过引入支持向量机算法来分析瓦斯突出预测问题,实现了定量与定性的结合,即可通过监测到的数据判别瓦斯突出与否,客观的反映出现实分类情况。首先对监控监测到的数据进行预处理,由于瓦斯突出影响因素的不确定性及模糊性,采用灰色关联理论将突出影响因素按影响程度由高到低排序进行数据选择,从而选取实验所需影响因素作为特征向量,为消除各影响因素间的数据差异同时要对数据进行归一化处理,得到实验所需要的数据表。将LISVM软件成功整合在WEKA软件中,实现支持向量机算法且利用了WEKA软件的特点对瓦斯突出进行预测,将现有的案例在WEKA平台下进行建模,应用十字交叉法,通过反复试验修改参数成功建立模型,之后,即可对未知的瓦斯监测数据进行预测分类。通过实例应用,验证了支持向量机算法在WEKA平台下的瓦斯突出预测模型的合理性和有效性,可正确做出瓦斯突出预测判断,采矿工作人员即可及时采取应对措施,避免人员和财产的更大损失,为进一步探索切实有效的瓦斯突出预测方法提供一定的参考价值。