支持向量机中特征选择因素在煤矿瓦斯突出预测中的作用.pdf

《支持向量机中特征选择因素在煤矿瓦斯突出预测中的作用.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、2013年第10期中州煤炭总第214期支持向量机中特征选择因素在煤矿瓦斯突出预测中的作用梁晓珍，施亮(河北工程大学资源学院，河北邯郸056200)摘要：特征因素选择对于支持向量机具有重要意义。基于支持向量机理论，通过对特征选择因素的分析研究，明确了特征因子的作用，并进行了验证，验证结果表明数据的特征选择因素对瓦斯预测的准确性具有很大的影响，直接关系到整个预测模型能否达到期望的预测效果。关键词：瓦斯预测；支持向量机；特征选择中图分类号：TD713．2文献标志码：A文章编号：1003—0506(2013)10—0088—04ImpactofFeatureSelectionFactorsin

2、SupportVectorMachinesonGas0utburstPredictionofCoalMineLiangXiaozhen，ShiLiang(ResourceCollegeofHebeiUniversityofEngineering，Handan056200，China)Abstract：Selectionofcharacteristicsfactorshasimportantsignificancetosupportvectormachine．Basedonsupportvectormachine(SVM)theory，andthroughtheanalysisandst

3、udyonfeatureselectionfactors，thefunctionsofcharacteristicsfactorshavebeendeter—minedandvalidated．Validationresultsshowthatthefeatureselectionfactorofthedatahasagreatinfluenceongasforecastaccuracy，anditisdirectlyrelatedtowhetherthepredictionmodelcanachieveexpectedforecastresultornot．Keywords：gasf

4、orecast；supportvectormachines；featureselection煤与瓦斯突出是一种极为复杂的瓦斯动力灾害现，同时这些规律中包含着人们感兴趣的、有价值的现象。目前，国内煤矿生产过程中，煤与瓦斯突信息。近年来，数据挖掘被应用于煤矿安全生产预出已经成为严重影响煤炭生产的重要因素，井下作警领域。具体来说就是煤矿瓦斯传感器收集井下气业人员的生命安全受到严重威胁。同时由于它具有体瓦斯数据，然后将这些数据传输到实时局域网服极大突发性、破坏性以及不确定性，所以瓦斯的预测务器，在这些服务器上使用嵌入式数据挖掘软件，对工作一直成为很多煤矿工作人员所关注并且极力解这些瓦斯数据进行

5、快速分析、加工并且寻找出它们决的重大问题。支持向量机理论在解决非线性问题之间的关联规则，然后与真实数据进行对比，从而对上具有很大优势，通过引入核映射方法，将相关低维是否具有煤与瓦斯突出的危险性进行评估和预测。空间的非线性问题转变为高维空间的线性可分问题1．2支持向量机从而加以解决。支持向量机(SVM，SupportVectorMachine)是一种新的数据挖掘方法。支持向量机的核心理论就1数据挖掘与支持向量机的关系是寻找并发现一个能够充分满足分类要求的、最优1．1数据挖掘的分类超平面。该超平面不但能够严格保证分数据挖掘是指从大量数据中发现并找出有规律类精度，并且能够实现超平面区域两侧的

6、空白区域的信息数据，这些规律原本已经存在，但尚未被人发最大化，实现对线性可分数据的最优化分类。它将传统意义上的统计学中的统计学习理论(VC维理论)以及结构风险最小化理论作为自己的基础理论收稿日期：2013—06—17依据。为了能够满足最优推广的目的，在模型中寻作者简介：梁晓珍(1964一)，女，河北磁县人，教授，硕士，1986年毕业于河北煤炭建筑工程学院，现从事煤矿瓦斯防治科研工作。求样本的学习训练精度达到最大化和误差最小化。·88·2013年第1O期梁晓珍，等：支持向量机中特征选择因素在煤矿瓦斯突出预测中的作用总第214期实际的数据挖掘往往在解决相关的一系列的难题过3．1围岩条件程中

7、，存在很大的缺陷，使得一些问题无法得到有效一般来讲，由于煤层的顶底板之间存在气体的的解决。而支持向量机能够避免这些缺陷，在实际浓度差，瓦斯气体会向周围渗透扩散。并且，顶底板应用领域有了更好的开拓和尝试。是否完整也直接影响瓦斯的扩散。当顶底板为完整致密的页岩时，瓦斯不易扩散，而是在煤层中保存下2支持向量机算法来；当顶底板为空隙或裂隙发育的砾岩、砂岩时，瓦2．1学习算法斯易扩散。第1步：给出一组输入样本=1，⋯，Z，i及其3．2煤质特征和结构对应的