基于SVR的煤矿安全资源与安全状态作用机理模型
Mechanism Model for Coal Mine Safety Resources and Safety Status Based on Support Vector Regression
-
摘要: 针对煤矿安全资源与安全状态的强非线性特征，划分了煤矿系统安全资源和安全状态级别，确定了输入向量集合和输出向量集合，建立了基于支持向量回归机(SVR)的安全资源与安全状态的作用机理模型，并分别利用网格搜索算法（GS）和粒子群算法（PSO）对模型进行了参数寻优，确定了支持向量回归机模型，通过实例分析验证了模型的有效性及适用性。研究结果表明：PSO算法得到的最优参数作为模型，较好地拟合了安全资源与安全状态间的非线性复杂关系，且模型有效性和推广能力更强。Abstract: Aiming at the strong nonlinear characteristic of safety resources and safety status in coal mine, this article divided the levels of coal safety resources and safety status, decided the sets of input vectors and output vectors and then established a mechanism model of safety resources and safety status based on SVR. It respectively used grid searching algorithm and particle swarm optimization to optimize model parameters for the best SVR model. An example verified the validity and applicability of the model. The results showed that the model using PSO algorithm fitted better the nonlinear relationship between safety resources and safety status, and this model also had a stronger effectiveness and generalization ability.
-
-
[1] 庞成.煤矿防尘安全评价体系研究[J].矿业安全与环保,2011,38(3):76-78. [2] 徐杨,周延,孙鑫,等.基于模糊层次分析法的矿井安全综合评价[J].中国安全科学学报,2009,19(5): 147-152. [3] Y. J. Liu, S. J. Mao, M. Li, et al Study of a Comprehensive Assessment Method for Coal Mine Safety Based on a Hierarchical Grey Anaylsis[J].2007, 17(1):6-10. [4] 何刚.基于系统动力学的煤矿安全管理水平仿真研究[J].系统仿真学报,2010,22(8): 2013-2017. [5] 刘广平,戚安邦.煤矿安全水平边际效应影响因素及提升方法研究——基于安全投入和管理投入的视角[J].软科学,2011,25(3):47-50. [6] 王金凤,刘振锋,冯立杰,等.煤矿安全投入与安全绩效的系统动力学[J].辽宁工程技术大学学报:自然科学版,2011(2):182-185. [7] S.Amari, S. Wu. Improving support vector machine classifiers by modifying kernel functions[J].Neural Networks, 1999, 12(6):783-789. [8] N. Li, R. Zhou, Q. H. Hu, et al. Mechanical fault diagnosis based on redundant second generation wavelet packet transform, neighborhood rough set and support vector machine [J].Mechanical Systems and Signal Processing, 2012(28):608-621. [9] C.Sudheer, N. Anand, B. K. Panigrahi, et al.,Streamflow forecasting by SVM with quantum behaved particle swarm optimization[J].Neurocomputing, 2013, 101(4) 18-23. [10] 曹庆奎,赵斐. 基于遗传-支持向量回归的煤层底板突水量预测研究[J].煤炭学报,2011(12):2097-2101. [11] 王书明,何学秋,王恩元.基于“流变-突变”理论的安全投入决策[J].中国安全科学学报, 2009(11):46-51. [12] 侯立峰,何学秋.安全投资决策优化模型[J].中国安全科学学报,2004(10):32-35. -
期刊类型引用(16)
1. 刘国磊，梁文昭，郑寓超，郝勇，崔嵛. 深部构造区大倾角高失稳倾向工作面回撤技术. 地下空间与工程学报. 2025(01): 214-224+271 . 
百度学术
2. 辛德林，陈一兵，孙喜贵，刘皓鑫，李晗，王妍. 综采工作面双回撤通道围岩控制技术研究. 煤矿机械. 2024(03): 34-37 . 百度学术
3. 刘鹏伟. 综采工作面末采期间双回撤通道围岩支护技术研究. 机械管理开发. 2024(01): 252-254 . 百度学术
4. 郝英豪，王帅，张鑫，王明亮，苏海涛. 超前支承压力影响下破碎顶板变形机制与控制. 煤矿安全. 2024(03): 147-154 . 本站查看
5. 蔺鑫涛. 近距离下部煤层采面回撤通道支护技术应用. 江西煤炭科技. 2024(03): 46-48+51 . 百度学术
6. 韩涛，严红，翟灵俊，裴晖，冯国力，邓飞. 综放工作面液压支架安全回撤平台研究与应用. 煤炭工程. 2024(11): 84-89 . 百度学术
7. 焦光昊. 深部矿井工作面回撤通道稳定性及控制技术. 江西煤炭科技. 2023(01): 110-113 . 百度学术
8. 冯彦军. 12103综采工作面回撤通道围岩控制研究. 能源与环保. 2023(05): 305-309 . 百度学术
9. 张盛，惠钰博，赵龙刚，刘建康，邵林林，王帅宾. 刀把式工作面切眼对接阶段煤体采动应力分布规律研究. 煤矿安全. 2023(12): 134-142 . 本站查看
10. 赵亚明，杨伟，陈洋. 冲击地压矿井易自燃厚煤层回撤工作面自燃防治技术. 煤矿安全. 2022(04): 81-86+93 . 本站查看
11. 王方田，邵栋梁，牛滕冲，窦凤金. 浅埋高强度开采回撤巷道煤柱受载特征及累积损伤机制. 岩石力学与工程学报. 2022(06): 1148-1159 . 百度学术
12. 殷海晨，刘国磊，曹安业，王泽东. 巨野矿区厚表土薄基岩综放工作面微震响应特征. 煤炭工程. 2022(08): 61-66 . 百度学术
13. 张超. 综采工作面回撤通道破碎顶板控制技术实践. 山西化工. 2022(06): 96-97+100 . 百度学术
14. 郭佳. 高强立柱支护在葫芦素煤矿双回撤通道围岩控制中的应用. 能源与环保. 2022(10): 314-318 . 百度学术
15. 宋振铎，迟焕磊，刘思程，侯慧锦，刘佳金. 综采工作面回撤通道围岩支护稳定性分析. 能源与环保. 2022(12): 24-30 . 百度学术
16. 翁明月. 基于顶板断裂分析的综采大断面回撤通道协同控制技术. 煤炭科学技术. 2022(S2): 136-142 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 475
- HTML全文浏览量: 0
- PDF下载量: 0
- 被引次数: 19
下载:
