基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf

基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf

ID:52211545

大小:225.19 KB

页数:3页

时间:2020-03-25

基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf_第1页
基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf_第2页
基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf_第3页
资源描述:

《基于聚类分析的煤矿瓦斯涌出量预测方法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、总第164期doi:10.3969/j.issn.1005—2798.2013.04.001基于聚类分析的煤矿瓦斯涌出量预测方法研究姜小龙,娄建成,李福玲(内蒙古科技大学矿业工程学院,内蒙古包头014010)摘要:将影响煤矿瓦斯涌出量因素作为数据对象属性,运用聚类分析对瓦斯涌出量进行聚类,得到各个样本的类别特征及各簇的平均值和标准偏差。并选取其中3个主要影响因素生成三维散点图,分析聚类效果。通过待测样本的类别划分,证实了该方法对煤矿瓦斯涌出量预测的有效性和可行性。关键词:聚类分析;K—means;瓦斯涌出量;预测中图分类号:TD712.5文献标识码:A文章编号:1005—279

2、8(2013)04.0001—02StudyonPredictionMethodofCoalMineGasEmissionbasedonClusteringAnalysisJIANGXiao-long,L0UJian-cheng,LIFu-ling(SchoolofMiningEngineeringInnerMongoliaUniversityofScienceandTechnology,Baotou014010,China)Abstract:Usetheimpactofcoalgasemissionfactorsasdataobjectattribute,andcluster

3、gasflow—volumeusingclusteringanalysis,SOgetallthesamplecategoryfeatures,andeachclusterofthemeanandstandarddeviation.Andtheyselectedthreemaininfluencingfac—torstogeneratethree—dimensionalscatterandanalyzedclusteringeffect.Throughthedataforclassificationofthesample,demonstratesthevalidityandfe

4、asibilityofthismethodwhichcanpredictthevolumeofminegasemission.Keywords:clusteringanalysis:K—means;gasemission;prediction瓦斯是煤矿五大自然灾害之一,严重威胁着国习方法。基于聚类的各种数据挖掘算法的研究历来家财产和员工的生命安全。我国煤矿的瓦斯灾害比也是研究的重点。到目前为止,已经提出了各种各较严重。因此,对煤矿瓦斯涌出量进行预测,可以减样的聚类算法,这些算法大致可以分为以下几类:划少由瓦斯诱发的煤矿事故的发生,有效地提高煤矿分法、层次法、密度法、网格法、模型

5、法。安全生产现状。K—means算法的思路是:基于使聚类性能指标目前矿井瓦斯涌出量的预测常用方法有时间序最小化的原则,通常使用的聚类准则函数是聚类集中的每个样本点(数据或对象)到该类中心的误差列法、灰色理论法、神经网络法等。虽取得了一些进平方和,并使它最小化。K—Means算法尝试找出使展,但是矿井瓦斯和其影响因素存在着复杂的非线平方误差函数最小的k个聚类。平方误差准则定义性关系。并且,瓦斯涌出量的影响因素是复杂信息如下:的集合,因此,至今还没有得到很好的解决。本文把..数据挖掘技术中的K—means聚类应用到煤矿瓦斯E=∑∑fP—m{IlpECi涌出量预测研究,实现了瓦斯涌出

6、量范围预测。式中的E是数据中全部对象的平方误差的总和,P是空间中的点,表示给定的数据对象,m是簇1聚类分析C的平均值(P和m都是多维的)。这个准则试图聚类分析是数据挖掘中的一个重要研究领域。使生成的结果簇尽可能紧凑和独立,K—means算法聚类的基本思想就是把没有类别标记的样本集按某步骤如下。种准则划分成若干类,使类内样本的相似性尽可能输入:簇的数目k和包含n个对象的数据库;大,而类间样本的相似性尽量小,是一种无监督的学输出:个簇,使平方误差最小。收稿日期:2012—12.12作者简介:姜小龙(1988一),男,内蒙古乌兰察布人,在读硕士研究生,研究方向为矿业系统工程方面。姜小

7、龙等:基于聚类分析的煤矿瓦斯涌出量预测方法研究第22卷第4期方法:①任意选择个对象作为初始的簇中心;素。②循环③到④直到每个聚类不再发生变化为止;③由于数据值相差悬殊,单位也不同,为提高聚类根据与每个中心的距离,将每个对象赋给“最近”的分析的质量,需要对数据(不包括瓦斯涌出量数据)簇;④重新计算每个簇的平均值;⑤直到不再发生变进行归一化处理,使数据的数值介于0和1之间。化。在PolyAnalyst软件中选择归一化功能。归一化公式例如,有一个分布在空间中的对象集合,如图1如下:所示。给定k=3

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。