模糊粗糙集与支向量机在煤与瓦斯突出预测中的应用研究.pdfVIP

致 谢 本文的研究工作是在导师付华教授的悉心指导下完成的。从论文的选题、理论 的构造到最终完稿都倾注着付老师辛勤的汗水和心血。在两年半的学业和论文研究 工作中，付老师渊博的知识、严谨的治学态度、对学术前沿敏锐的洞察力、丰富的 工作经验、诲人不倦的美德以及谦和儒雅的学者风范和正直达观的处世态度都给我 以潜移默化的影响。在论文完成之际，谨向培育教导我的恩师致以最崇高的敬意和 最诚挚的感谢！ 感谢陕西省铜川矿务局的韩飞同志和安监处的技术人员，他们为我提供了很多 关于煤与瓦斯突出预测的资料和监测数据，给了我很多帮助和启发。 感谢实验室的同学给我创造的良好的学习氛围，他们给了我很多支持和鼓励， 为我论文的写作提供了很多资料，也提出了很多宝贵的意见。 我还要特别感谢我的父母，在多年的学习生涯中，他们一直用无私的爱给予我 最大的支持和鼓励，无论什么时候，他们的爱和信任都是我最大的动力！ 最后，衷心的感谢所有参与我论文评审、预答辩、答辩、并提出宝贵意见的各 位教授和专家！ 摘 要 煤与瓦斯突出是严重威胁煤矿安全生产的自然灾害之一，突发性和破坏性极 强。实现对煤与瓦斯突出危险性的准确预测是有效防治瓦斯灾害并高效开发利用瓦 斯资源的关键基础，也一直是矿山安全领域的关键技术难题和重大研究课题。本文 将模糊聚类理论、粗糙集理论和支持向量机学习算法相结合，建立了基于模糊粗糙 集与支持向量机的煤与瓦斯突出多分类预测模型。首先利用模糊 C-均值聚类理论对 原始数据进行离散化处理，并利用粗糙集理论对离散化得到的决策表进行煤与瓦斯 突出信息的知识获取，即在保持数据完整性的前提下剔除冗余信息，实现数据降维 的目的；然后从预处理后的样本中选择训练样本集和测试样本集，对支持向量机多 分类预测模型进行训练，并选择合适的核函数和参数，最后用于煤与瓦斯突出危险 性预测。实验结果表明，基于模糊粗糙集与支持向量机的煤与瓦斯突出预测模型训 练时间短、分类精度高，具有良好的推广性能。模糊粗糙集与支持向量机相结合的 技术在煤与瓦斯突出危险性预测中的应用对确保煤矿安全生产和煤矿工人的生命 安全具有极其重要的意义。 关键词：模糊聚类；粗糙集；支持向量机；煤与瓦斯突出；预测 Abstract As one of the natural disasters, coal and gas outburst is a serious threat to mine safety and production. It has a sudden and devastating effect. It is the critical base of preventing and controlling ga s disaster effectively, developing and utilizing gas resources efficiently to predict the coal and gas outburst risk accurately. At the same time, it is also the key technical issues and important research topic in the field of mine safety. This paper combined Fuzzy Clustering theory, Rough Set theory and Support Vector Machine learning algorithm, and established the coal and gas outburst prediction model of multiple classifiers based on Fuzzy Rough Set and Support Vector Machine. Firstly, Fuzzy C-means Clustering