基于SVM的煤与瓦斯突出区域预测研究

摘要：

支持向量机是20世纪90年代中期兴起的基于结构风险最小化原理的机器学习技术,各项技术性能尤其是泛化能力具有明显优势.基于支持向量机构建了煤与瓦斯突出预测模型.首先,按SVM的二类划分最优分类面和样本混杂区的边界将特征空间细划为3个区域,由此建立了可将突出危险性划分为突出危险、突出威胁、安全3个级别的煤与瓦斯突出的SVM模型.再将SVM的二类划分最优符号函数改为距离函数,用这个距离函数和混杂区尺寸u1和u2建立了突出危险性等级指标函数,在突出区侧的混杂区边界取值为1,在非突出区侧的混杂区边界取值为-1.用此指标预测函数对潘一矿13-1煤层的26次实例突出样本和34个非突出样本作了分析研究,对大量参数和学习算法进行了学习和检验,获得了用于潘一矿13-1煤层的突出预测指标函数,结果表明用此方法可大大提高预测准确率,是一个科学可行的解决途径,具有广泛的应用前景.

关键词：采矿工程、支持向量机、煤与瓦斯突出、区域预测、突出危险性等级指标函数

所属期刊栏目：24

分类号：TD713(矿山安全与劳动保护)

资助基金：国家重点基础研究发展计划973计划2002CB412708;国家科技攻关项目2001BA803B0404

在线出版日期：2005-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：263-267