基于最小二乘支持向量机的瓦斯涌出量预测控制

基于最小二乘支持向量机的瓦斯涌出量预测控制

ID:33556537

大小:7.56 MB

页数:71页

时间:2019-02-27

基于最小二乘支持向量机的瓦斯涌出量预测控制_第1页
基于最小二乘支持向量机的瓦斯涌出量预测控制_第2页
基于最小二乘支持向量机的瓦斯涌出量预测控制_第3页
基于最小二乘支持向量机的瓦斯涌出量预测控制_第4页
基于最小二乘支持向量机的瓦斯涌出量预测控制_第5页
资源描述:

《基于最小二乘支持向量机的瓦斯涌出量预测控制》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据声明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:!主立!!塾堡日期:>口t中j!.汐匕关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定,其中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校

2、可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名:7QⅧp谚隰签名:,NⅧ∥拶日期:导师签名:—至叠卜日期:加f够_1-.夕6油l~?≤.≥s万方数据太原理工大学硕士研究生学位论文基于最小二乘支持向量机的瓦斯涌出量预测研究摘要在矿井通风设计、瓦斯抽放工程设计、瓦斯防治工作中,瓦斯涌出量预测是必不可少的环节。预测的精度直接影响到煤矿生产的正常进行。长期以来,许多学者对瓦斯浓度预测进行了大量的研究,并提出了许多有效的方法。

3、本文在充分学习和研究一些经典预测方法和当前热点预测方法的基础上,建立了基于最小二乘支持向量机的预测模型,研究结果说明,与经典方法相比,基于最小二乘支持向量机的预测模型具有更好的预测效果和更好的泛化性能。本文在总结经典预测方法的基础上,运用分源预测法的理论,选取了采煤工作面的开采煤层、临近煤层、采空区三个区域分别进行研究,并针对三个不同的区域分别选取了不同的瓦斯涌出量的影响因子集。在深入研究支持向量机和最小二乘支持向量机理论的基础上,本文建立基于最小二乘支持向量机的瓦斯涌出量预测模型,选用径向基核函数作为核函数,用自调节网格搜

4、索法进行核函数参数的寻优,并用MATLAB仿真,进行了实例分析,测试模型的准确性。选取机器学习方法中比较经典的人工神经网络方法对同一实际测量数据进行预测对比,通过误差分析表明,LSSVM预测模型的预测精度明显高万方数据太原理工大学硕士研究生学位论文于BP人工神经网络的模型。证明了最小二乘支持向量机理论应用于瓦斯涌出量预测具有良好的预测性能和泛化性能,证明了该理论的合理性和优越性。最后,结合煤矿需要实时进行瓦斯涌出量预测的实际,运用MTTLAB的GUI功能设计编制了基于最小二乘支持向量机的瓦斯涌出量预测软件,便于该理论的实际应

5、用,界面友好,使用方便。关键词:瓦斯涌出量,智能预测,最小二乘支持向量机,核函数参数寻优,MAⅡ,AB,GⅥII万方数据太原理工大学硕士研究生学位论文RESEARCH0NGASEⅦSSl0

6、NFORECASTIN『GBASEDONTHELEASTSQUARESUPPORTVECTORMACHINEABS,】№~CTInthemilleventilationdesign,gasdrainageengineeringdesign,gaspreventionandcontrolwork,thegasemissionpredicti

7、onisanessentiallink.Forecastingaccuracydirectlyaffectsthenormalproductionincoalnline.Foralongtime,manyscholarshaveconductedalotofresearchforgasconcentrationprediction,andputforwardmanyeffectivemethods.Basedonthesufficientstudyandresearchofsomeclassicalpredictionmet

8、hodandthecurrenthotspotpredictionmethod,predictionmodelbasedonleastsquaressupportvectormachine(SVM)hasbeenestablished.Researchresultsshowthat,predictionmodelbasedonleastsquaressupportvectormachinehasbetterpredictioneffectandbettergeneralizationperformancecomparedwi

9、thclassicalmethods.Basedontheclassicforecastingmethods,Iusedseparatesourcemethodtheoryandselectedminingcoalseamincoalminingface,adjacentcoalsea/T

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。