基于支持向量机的煤自燃预测方法研究-应用数学专业论文.docxVIP

目 目 录 I I 目 录 1 绪 论 1 1.1 研究背景和意义 1 1.2 煤自燃知识 2 1.3 煤自燃气体指标研究现状 2 1.4 支持向量机研究现状4 1.5 论文的主要工作及章节安排 5 2 支持向量机的基本理论7 2.1 统计学理论 7 2.1.1 经验风险最小化7 2.1.2 学习过程一致性7 2.1.3VC 维 8 2.1.4 结构风险最小化原则 9 2.2 支持向量机理论 11 2.2.1 线性支持向量机11 2.2.2 非线性支持向量机 13 2.3 支持向量机多分类方法15 2.4 本章小结 17 3 支持向量机的参数选取18 3.1 支持向量机的参数选取问题 18 3.2 传统参数选取方法18 3.3 粒子群算法 19 3.3.1 算法原理 19 3.3.2 算法步骤 20 3.4 遗传算法 21 3.4.1 算法原理 21 3.4.2 算法步骤 22 3.5 遗传算法与粒子群算法选择参数对比实验 22 3.5.1 实验环境及数据22 3.5.2 实验步骤 23 3.5.3 实验结果及分析23 3.6 本章小结 24 4 模糊最小二乘球形支持向量机 26 4.1 几种常用的支持向量机26 4.1.1 v -支持向量机 26 4.1.2 模糊支持向量机27 4.1.3 最小二乘支持向量机 27 4.1.4 超球体支持向量机 28 4.2 模糊最小二乘球形支持向量机（FLHSSVM） 30 4.2.1 模糊最小二乘球形支持向量机的构造 30 FLHSSVM 的 Lagrange 乘子优化 31 FLHSSVM 的训练 32 FLHSSVM 的决策规则 33 4.3 本章小结 33 5 基于粗糙集的属性约简34 5.1 粗糙集中的基本概念34 5.1.1 知识与分类34 5.1.2 粗糙集与近似35 5.2 属性约简 36 5.3 基于邻域粗糙的 SVM 37 5.4 本章小结 39 6 基于支持向量机的煤自燃预测实验 40 6.1 煤自然发火过程实验模拟设备 40 6.1.1 炉体结构 40 6.1.2 供风系统 42 6.1.3 气体采集与分析系统 42 6.1.4 自动测温和控制系统 43 6.2 数据采集及数据分析44 6.3 支持向量机预测实验及结果分析 45 6.4 本章小结 49 7 结 论 50 7.1 总结50 II III III 7.2 展望50 致 谢 52 参考文献 53 附 录 56 1 1 绪论 PAGE PAGE 1 1 绪 论 1.1 研究背景和意义 我国是世界上少数几个以煤炭作为主要能源的国家，煤炭产量和消费量均居世界前 列，约占国内一次能源生产和消费的85%以上，但我国煤自燃现象十分严重，据统计， 我国煤炭自燃火灾约占矿井火灾的70%，一些发火严重的地区，如兖州、抚顺、鹤岗、 窑街、义马、淮南、六枝等煤矿，其煤自燃火灾占矿井火灾次数的90%以上[1]。煤自燃 不仅造成了资源的巨大浪费，而且轻则烧毁设备，影响生产，重则可能引燃瓦斯煤尘爆 炸，酿成人员伤亡事故。事故造成的损失更是难以估量的。 煤自燃是一种复杂的物理化学过程，随着煤体氧化升温会释放出相应的指标气体， 如CO、CO2、CH4、C2H6、C2H4、C2H2、N2等气体[2]。因此煤自燃程度与气体产物之间 存在非常复杂的非线性关系，可以通过监测指标气体，来判定煤自燃的状态。由于煤体 导热性差，当暴露在外面的煤体发生温度异常时，火势往往已在内部形成，直接测定温 度在一定程度上影响了对自燃状态的判断。而气体很容易透过煤体空隙，通过对气体的 分析能对煤体内部温度进行判断。 支持向量机虽然已经提出多年，但从它自身趋向成熟和被广泛重视到现在发展非常 迅速，特别是在应用方面的研究更是越来越广泛，但其在煤自燃预测方面的应用还相对 较少。如果煤自燃预测依靠人工经验判断，数据处理得非常缓慢，使得预测不具备时效 性，只能间断的预测煤自燃的程度。因此本文采用支持向量机的方法进行煤自燃预测研 究，判断煤自燃危险等级，使得生产工程中能及时采取措施，防止灾难的发生。支持向 量机包含4大技术： （1）最大间隔思想或正则化技术，依据结构风险最小化原则，以获得较好的推广 能力； （2）核技术，利用满足Mercer条件的核函数实现线性算法的非线性化； （3）凸优化技术，算法最终将转化为标准的最优化问题或凸二次规划，从理论上 说，得到的将是全局最优点； （4）稀疏对偶表示，结果得到可用于训练点和测试点求解的高效算法[3]。 这四大技术是非常有效的设计非线性算法的手段。在解决小样本、非线性以及高维 模式识别等问题中有许多特有的优势，因此其适合于处理煤自燃程度与气体产物之间存 在的非线性