论文部分内容阅读
瓦斯涌出量预测一直是煤矿瓦斯研究领域的重点课题。瓦斯涌出量可以为矿井生产指标的制定及防治瓦斯事故提供基础性的理论依据,其预测结果的正确与否将直接影响矿井的技术经济指标。本论文系统地总结分析了以往研究中瓦斯涌出量预测方法的不足,针对有限数据集的机器学习问题,将有着较好理论基础的最小二乘支持向量机理论引入瓦斯涌出量预测领域,研究表明,与传统方法相比,最小二乘支持向量机理论预测精度更高,预测效果更好。论文根据分源预测理论,选取了回采工作面开采层、邻近层和采空区内瓦斯涌出量的影响因子。开采层瓦斯涌出量影响因素有开采层瓦斯原始含量、煤层厚度、煤层倾角、埋藏深度、工作面长度、推进速度、开采厚度及工作面采出率;邻近层瓦斯涌出量的影响因素有邻近层瓦斯原始含量、邻近层厚度、层间距离、层间岩性、煤层倾角、推进速度、开采厚度、工作面长度、顶板管理方式;采空区瓦斯涌出量影响因素有开采层瓦斯原始含量、开采层煤层厚度、工作面采出率、开采强度等。在深入研究支持向量机理论的基础上,论文提出自调节网格搜索法进行核函数参数寻优,建立了基于径向基核的最小二乘支持向量机瓦斯涌出量预测模型,并进行了实例分析。同时,选取另外两种有代表性的瓦斯涌出量预测方法,即传统方法中的分源预测法和新型非线性方法中的BP人工神经网络方法对同一实例进行预测,与最小二乘支持向量机模型的预测结果进行比较,得出支持向量机模型预测开采层、邻近层和采空区瓦斯涌出量的平均误差分别为2.12%,7.7%和3.38%,BP人工神经网络方法预测的平均误差分别为5.6519%,8.4744%和8.6009%,分源预测法预测开采层瓦斯涌出量的平均误差为10.4012%。可见,最小二乘支持向量机模型的预测精度明显高于BP人工神经网络和分源预测法,证明了最小二乘支持向量机理论应用于瓦斯涌出量预测的可行性和优越性。最后,运用MATLAB图形用户界面设计编制了最小二乘支持向量机瓦斯涌出量预测软件。软件界面友好,操作简单,对于最小二乘支持向量机理论推广起到了积极作用。