基于数据挖掘技术的瓦斯涌出量预测方法研究-采矿工程专业论文.docxVIP

内蒙 内蒙古科技大学硕士学位论文 I I 摘 要 瓦斯灾害是煤矿的主要灾害之一，不仅会给工作人员的生命安全造成很大的威 胁而且还会带来大量的财产损失。做好瓦斯防治工作至关重要，而瓦斯涌出量预测 是瓦斯防治中的重要环节，在很大程度上影响着煤矿的安全生产。因此，根据不同 的矿井的情况，选择与其适应的瓦斯涌出量预测方法对指导矿井安全作业和制定行 之有效的瓦斯灾害治理措施具有十分重要的意义。 本文采用数据挖掘的相关技术与方法，对某矿瓦斯涌出影响因素及涌出量进行 分析与预测研究，并利用 Poly Analyst 与 MATLAB 软件进行建模与计算。 （1）运用 Poly Analyst 与 MATLAB 分别对瓦斯涌出量及影响因素进行相关分 析与灰色关联分析，并得出以下结果：①某矿的瓦斯涌出量与煤层瓦斯含量、煤层 埋深、煤层厚度、开采强度、邻近层瓦斯含量成正相关，与推进速度和工作面采出 率成负相关；②以上各影响因素与瓦斯涌出量的相关系数的绝对值都在 0.71 以上， 呈显著相关或高度相关。③经两种分析方法共同确定的影响因素为煤层瓦斯含量、 煤层厚度、开采强度、煤层埋深、邻近层瓦斯含量。 （2）利用 Poly Analyst 软件平台的支持向量回归机模型对瓦斯涌出量进行预 测。通过对训练数据的预测，选取了支持向量回归机两种核函数的参数。由预测结 果可知：①当多项式核函数参数及多项式的次数为 5 时，平均相对误差最小为 0.91%。②当高斯核函数参数及标准偏差为 2.1 时，平均相对误差最小为 8.59%。 （3）通过已选的两种核函数参数对测试数据进行预测，由预测结果可知：多项 式核函数预测的平均相对误差为 3.04%，高斯核函数的平均相对误差为 5.39%，前 者的预测精度优于后者。运用 Poly Analyst 支持向量回归机模型进行瓦斯涌出量预 测，简单易行，便于掌握，能够充分运用瓦斯涌出量影响因素的各项数据，实现速 度快、预测精度高，省去了大量繁琐的计算工作，并且能够取得良好的预测效果， 为瓦斯涌出量的预测的实现提供了一条新途径。但是，在模型应用的过程中，要注 意根据所研究对象的性质，选用合适的核函数及其参数。 （4）利用 MATLAB 软件创建了一个满足网络设计要求的 BP 神经网络。通过 对训练数据与测试数据的预测，可得出如下结论：①隐含层节点数的增加，虽可以 提高网络的映射能力，但预测的精度不一定提高②对测试数据预测的精度较高，其 最大相对误差为 8.14%，平均相对误差为 3.68%，误差小于 10%满足精度要求。③ II II 为了使网络预测精度进一步提高，收集的样本数据应尽可能的多而准确，还要确定 合适的收敛误差。 关键词：数据挖掘；支持向量回归机；BP 神经网络；瓦斯涌出量；预测 PAGE PAGE IV Abstract Gas disaster is one of the major disasters of the coal mine, which not only caused the great threat to the safety of the staff, but also brought a lot of property damage. It is essential to prevent and control the gas. So, how to predict the gas emission is the important part of that and it would be a large impact of production safety. Therefore, it has great significance to select the best method to predict the gas emission according to the different situations in coal mines. It used the theories and methods of data mining in the paper to forecast the gas emission and analysis the reasons. Also, it used Poly Analyst and MATLAB to build and calculate the model. Correlation analysis and gray relational analysis were used to analyze the gas emission and the impact factors, and it could be known that