基于SVM的采空区围岩稳定性预测研究

基于SVM的采空区围岩稳定性预测研究

论文摘要

本文首次使用支持向量机方法对采空区的围岩稳定性进行预测,是数据挖掘算法在此领域的新应用。通过围岩介质损伤、断裂、失稳的室内精细测试实验和现场探测研究,与支持向量机方法耦合进行预测预报,为开采过程中诱发动力灾害的危险源辨识及预警提供定量化依据,同时为工程现场准确及时地预报采空区围岩断裂失稳提供较为可靠的决策依据。本文首先对目前的数据挖掘算法进行概述,然后介绍了数据挖掘算法的一个新方法――支持向量机,其次在重点分析支持向量回归机理论的基础上,对正则化参数C和不敏感损失参数ε的取值分别进行讨论。SVM方法实现的好坏程度(精确预测)依赖于ε、C、核函数三个参数的最佳选择,因RBF核函数的参数宽度反映了训练样本的分布,故本文主要针对RBF核函数讨论两参数ε和C的选择问题。最后运用RBF核函数,根据概率统计方法中的中心极限定理及三倍标准差原理得到两参数合理取值的一般性方法,并进行了验证,预测效果很好。在此基础上,本文将SVM方法应用于大柳塔相似模拟实验中,预测其围岩稳定性,分别选取RBF和Sigmoid两种核函数进行对比,结果表明前者的预测效果优于后者,同时进一步验证了参数ε、C取值的合理性。最后,推广此预测方法,对华亭相似模拟实验的围岩稳定性进行预测,同样有较好的效果,因此SVM方法具有一定的推广价值。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 选题背景及研究的意义
  • 1.2 采空区围岩稳定性预测方法的研究现状
  • 1.2.1 采矿物理方法监测围岩稳定性的数字化信息技术
  • 1.2.2 数据挖掘算法在采空区围岩稳定性监测中的应用
  • 1.2.3 用支持向量机研究采空区围岩稳定性
  • 1.3 本课题的组织结构、技术路线
  • 2 数据挖掘算法
  • 2.1 几种数据挖掘算法概述
  • 2.1.1 统计学方法
  • 2.1.2 规则推理方法
  • 2.1.3 决策数
  • 2.1.4 遗传学算法
  • 2.1.5 集合论方法
  • 2.1.6 可视化技术
  • 2.1.7 公式发现
  • 2.1.8 神经网络
  • 2.2 统计学习理论概述
  • 2.3 支持向量机(SUPPORT VECTOR MACHINE, 简称SVM)
  • 3 支持向量回归机
  • 3.1 引言
  • 3.2 支持向量机原理
  • 3.3 支持向量回归机(SUPPORT VECTOR REGRESSION, 简称SVR)
  • 3.3.1 线性ε-支持向量回归机
  • 3.3.2 非线性ε-支持向量回归机
  • 3.3.3 支持向量机中的核函数
  • 3.3.4 支持向量机的训练算法
  • 3.3.5 支持向量机的应用研究
  • 4 SVR 中相关参数讨论
  • 4.1 概述
  • 4.2 讨论ε 不敏感损失函数
  • 4.3 讨论正则化参数C
  • 5 相似材料模拟实验的围岩稳定性SVM 预测
  • 5.1 相似材料模拟实验概述
  • 5.1.1 相似材料模拟实验装置及测试仪器
  • 5.1.2 实验准备
  • 5.1.3 模拟实验观测内容
  • 5.1.4 模拟实验回采工艺
  • 5.1.5 实验现象分析
  • 5.2 SVM 预测
  • 5.2.1 数据预处理
  • 5.2.2 预测直接顶初次垮落
  • 5.2.3 预测老顶初次来压
  • 5.2.4 预测第一次周期来压
  • 5.2.5 预测第二次周期来压
  • 5.3 SVM 方法的推广
  • 5.3.1 华亭煤矿概述
  • 5.3.2 SVM 预测实例
  • 6 结论
  • 6.1 结论
  • 6.2 展望
  • 致谢
  • 参考文献
  • 附录
  • 相关论文文献

    • [1].基于SVM的永磁无刷直流电机无位置传感器控制[J]. 电子产品世界 2020(01)
    • [2].基于商空间的黄金价格SVM模型预测[J]. 黄金科学技术 2020(01)
    • [3].基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用[J]. 工业计量 2020(01)
    • [4].基于SVM的在线医疗信息服务质量关键影响因素研究[J]. 情报科学 2020(03)
    • [5].基于SVM与fMRI技术对精神分裂症的分类研究[J]. 现代计算机 2020(01)
    • [6].基于SVM算法的微博评论数据情感分析[J]. 数字通信世界 2020(01)
    • [7].基于SVM的河道洪峰水位校正预报方法[J]. 水力发电 2020(04)
    • [8].基于SVM的煤与瓦斯突出预测模型及应用[J]. 陕西煤炭 2020(02)
    • [9].基于实时电价和加权灰色关联投影的SVM电力负荷预测[J]. 电网技术 2020(04)
    • [10].基于超声波扫描和SVM的综合管廊故障诊断模型[J]. 科技与创新 2020(07)
    • [11].基于SVM理论的航空发动机飞行数据可视化建模[J]. 科技创新与应用 2020(12)
    • [12].基于SVM的固化土无侧限抗压强度模型[J]. 宁波大学学报(理工版) 2020(04)
    • [13].基于遗传算法和SVM的肝豆状核变性震颤评估方法研究[J]. 西安文理学院学报(自然科学版) 2020(03)
    • [14].基于SVM的高速公路预防性养护效果评价模型及应用[J]. 工程建设 2020(05)
    • [15].基于因子分析和SVM的网络舆情危机预警研究[J]. 重庆工商大学学报(自然科学版) 2020(05)
    • [16].基于SVM的物联网大数据有效信息过滤挖掘[J]. 河南科技 2020(26)
    • [17].基于改进SVM算法的思政教育动态预警系统研究[J]. 微型电脑应用 2020(09)
    • [18].基于SVM技术调剖(驱)潜力预测[J]. 承德石油高等专科学校学报 2019(05)
    • [19].基于海量数据的不平衡SVM增量学习的钓鱼网站检测方法[J]. 电信工程技术与标准化 2016(12)
    • [20].结合主方向和SVM的人脸表情识别[J]. 廊坊师范学院学报(自然科学版) 2016(04)
    • [21].SVM算法支持下的耕地面积退化遥感监测——以昆明市呈贡区为例[J]. 安徽农业科学 2017(01)
    • [22].矿井突水水源的SVM识别方法[J]. 辽宁工程技术大学学报(自然科学版) 2017(01)
    • [23].基于SVM算法的移动智能终端安全等级分级模型[J]. 通信技术 2017(04)
    • [24].图像视觉显著性和改进型SVM在图像分割中的研究[J]. 通讯世界 2017(08)
    • [25].一种基于决策树的SVM算法[J]. 太原学院学报(自然科学版) 2017(01)
    • [26].基于多级SVM分类的语音情感识别算法[J]. 计算机应用研究 2017(06)
    • [27].基于模糊信息粒与SVM的道路交通状态波动分析[J]. 重庆交通大学学报(自然科学版) 2017(07)
    • [28].基于SVM的上证指数预测研究[J]. 软件导刊 2017(08)
    • [29].基于集成SVM的肺部肿瘤PET/CT三模态计算机辅助诊断方法[J]. 生物医学工程研究 2017(03)
    • [30].一种基于SVM的声源定位算法[J]. 计算机技术与发展 2017(09)

    标签:;  ;  ;  ;  ;  

    基于SVM的采空区围岩稳定性预测研究
    下载Doc文档

    猜你喜欢