文章摘要
基于支持向量机分类算法的多煤种煤 自燃危险性预测
  
DOI:
中文关键词: 煤自燃  支持向量机  网格搜索法  遗传算法  粒子群算法
英文关键词: 
基金项目:国家自然科学基金资助项目(51604110;51774135;51874131);中国博士后科学基金面上项目资助(2017M612558;2018T110831);湖南省教育厅一般科研项目资助(17C0641)
作者单位
张天宇1,鲁义1,2*,施式亮1,王涛1,杨帆1,牛会永1 1.湖南科技大学 资源环境与安全工程学院,湖南 湘潭 411201
2.湖南科技大学 南方煤矿瓦斯与顶板灾害预防控制安全生产重点实验室,湖南 湘潭 411201 
摘要点击次数: 1980
全文下载次数: 1086
中文摘要:
      为了高效地防治煤矿井下煤自燃,在分析现有的煤自燃预测方法的基础上,针对性地开展了基于支持向量机分类算法的煤自燃危险性预测研究.选取指标气体(氢气、一氧化碳、二氧化碳、甲烷、乙烯、乙烷)、气体浓度比值(烯烷比、Graham系数)和煤炭种类(褐煤、长焰煤、气煤、肥煤、焦煤、贫煤、无烟煤)作为特征指标,危险等级作为样本标签,建立了多煤种支持向量机煤自燃危险性预测模型.使用K-CV(K折交叉验证)法和网格搜索法、遗传算法、粒子群算法相结合的方式进行参数寻优,得出由网格搜索法确定的参数的模型分类准确率最高.将测试集带入模型进行检验,得出模型分类准确率为98.26%.最后将多煤种支持向量机模型与单煤种支持向量机模型和神经网络进行对比,得出多煤种支持向量机性能最优,能够很好地适用于现场煤自燃预测.
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭