基于改进自适应支持向量机建模煤与瓦斯突出预测.docVIP

基于改进自适应支持向量机建模煤与瓦斯突出预测 　　（1.广东商学院 数学与计算科学学院 广州 510320； 2.中山大学 数学与计算科学学院 广州 510275） 　　 　　摘 要：提出一种新的模糊隶属度函数对标准模糊支持向量机进行改进，然后运用自适应遗传算法对改进后的模糊支持向量机进行参数优选，得到一种新的AGAIFSVM模型，并且将提出的模型应用于煤与瓦斯突出预测。实验结果表明，所提出的模型比BP神经网络、标准支持向量机和模糊聚类有更高预测精度和更强的稳定性，具有较大的实用价值。 　　关键词：模糊支持向量机； 自适应遗传算法； 煤与瓦斯突出； 预测 　　中图分类号：TP18; TP39文献标志码：A 　　文章编号：1001-3695(2009)05-1656-03 　　 　　Forecasting coal and gas outburst based on improved 　　adaptive support vector machine 　　DAI Hong??liang????1,2?? 　　(1.School of Mathematics Computational Science Guangdong University of Business Studies Guangzhou 510320 China; 2. School of Ma??thematics Computational Science Sun Yat??sen University Guangzhou 510275 China) 　　Abstract:This paper proposed a new fuzzy function to improve on standard FSVM also proposed a novel AGAIFSVM model.The model based on adaptive genetic algorithm to optimize the parameters of FSVM. In addition applied the model to forecast coal and gas outburst. Experimental results show that AGAIFSVM model performs better than BP neural networks,standard SVM and fuzzy clustering method implying that AGAIFSVM is very practical. 　　Key words：fuzzy support vector machine; adaptive genetic algorithm; coal and gas outburst; forecasting 　　 　　0 引言?? 　　 　　煤与瓦斯突出是发生在煤矿井下的一种复杂的地质灾害。影响煤与瓦斯突出的因素很多，并且突出是一个复杂的动力学过程，它受到瓦斯、地应力和煤物理力学性质三个因素的综合作用，可能至今还存在未被认识到的因素的影响。因此，影响煤与瓦斯突出的主要因素是不确定的，煤与瓦斯的突出危险性预测可视为一个多因素决定的模糊事件[1~3]。目前，国内外有关煤与瓦斯突出预测方法很多，大体上可以归为三类：a)基于经验知识的预测方法[4]，这种方法主要取决于人类专家的理论知识和实践经验之可靠程度；b)基于黑箱理论的预测方法[5~7]，这种方法强调在现有输入条件下输出结果的正确性，但容易导致过拟合；c)基于数学模型的预测方法[8~10]，这种方法依赖数学模型的完备性和建模指标的选择等，主观因素影响较大。?? 　　本文根据煤与瓦斯突出的不确定性、非线性和模糊性等特性，提出一种新的机器学习方法来进行煤与瓦斯突出预测研究。该方法是通过自适应遗传算法（adaptive genetic algorithms,AGA）进行参数优选的改进模糊支持向量机（improved on fuzzy support vector machine,IFSVM）算法。众所周知，支持向量机(support vector machine,SVM)是Vapnik等人提出的一类新型机器学习方法，由于其出色的学习性能，该技术已成为机器学习界的研究热点，并且在很多领域得到了成功的应用[11]，但是其参数调节问题仍然没有很好地解决。模糊支持向量机通过引入模糊隶属度函数，不仅解决了标准支持向量机的不可分问题，而且通过对每个样本引入隶属度来确定模糊性，使分类更加精确[12]。本文根据煤与瓦斯的复杂特性引进一个新的时间域指数隶属度分布函数对标准模糊支持向量机进行改进；然后