煤层底板突水危险性的ReliefF-IGS-SVM预测模型及应用

doi:10.16507/j.issn.1006-6055.2016.06.029

›› 2016, Vol. 38 ›› Issue (6): 1271-1275，1293.doi: 10.16507/j.issn.1006-6055.2016.06.029

煤层底板突水危险性的ReliefF-IGS-SVM预测模型及应用

孙臣良商政李冰包小龙

辽宁工程技术大学矿业学院，阜新123000

出版日期:2016-12-25 发布日期:2016-12-28

Online:2016-12-25 Published:2016-12-28

摘要/Abstract

摘要：

为了准确、快速地预测煤层底板突水危险性，针对如何合理有效地选取煤层底板突水影响因素以及如何快速、有效地确定支持向量机相关参数等问题，提出一种ReliefF-IGS-SVM模型。以20组煤矿底板突水数据为实验样本，选取底板含水层水压等6个变量作为煤层底板突水影响因素，建立煤层底板突水预测的ReliefF-IGS-SVM模型。利用该模型对良庄51302工作面等9个煤矿的底板突水情况进行实际预测，结果与实际完全相符，而利用单一GS-SVM模型预测时出现一处误判，验证了所提出模型的有效性和可靠性。

关键词: 煤层底板突水, ReliefF算法, 支持向量机, 网格搜索, 预测

中图分类号:

X936

孙臣良商政李冰包小龙. 煤层底板突水危险性的ReliefF-IGS-SVM预测模型及应用[J]. , 2016, 38(6): 1271-1275，1293.

[1]	史冬梅褚旭龙王晶. 主要发达国家和地区技术趋势预测及启示[J]. 世界科技研究与发展, 2023, 45(2): 169-180.
[2]	张彪董坤高道斌吴红. 中美云计算领域专利技术主题发展态势预测研究[J]. 世界科技研究与发展, 2023, 45(1): 51-62.
[3]	李丹. 韩国科技创新体制机制的发展与启示[J]. , 2018, 40(4): 399-413.
[4]	金瑛方晓东. 韩国科学技术预测调查及其对我国的启示[J]. , 2018, 40(2): 182-190.
[5]	王小龙全强明熊立新. 基于改进粒子群-GRNN模型的地铁隧道沉降预测[J]. , 2016, 38(6): 1142-1146.
[6]	卢二伟史秀志陈佳耀. 基于LS-SVR小样本容量的爆破振动峰值速度预测研究[J]. , 2016, 38(6): 1258-1261，1270.
[7]	王瑶郭鹏飞. 基于PCMRA-SVM的采煤工作面瓦斯涌出量预测[J]. , 2016, 38(6): 1266-1270.
[8]	李旭刘剑. 基于PCA-ABBP强分类器的矿区采空塌陷危险性预测[J]. , 2016, 38(5): 960-964.
[9]	王丽娟李欣雨. 基于PCA-EBP神经网络的煤炭物流成本预测[J]. , 2016, 38(5): 1101-1106.
[10]	李烨贾进章. 基于改进GS-SVM的煤矿冲击地压预测研究[J]. , 2016, 38(4): 758-762.
[11]	刘耀彬封亦代. 基于巴斯扩散模型的中国新型城市化包容性发展预测[J]. , 2016, 38(4): 848-854.
[12]	王卫华李坤严哲唐修. 基于BP神经网络方法研究岩石节理形貌粗糙度系数[J]. , 2016, 38(3): 518-521.
[13]	何银银. 基于改进GS-SVM的煤炭生产成本预测[J]. , 2016, 38(3): 701-705，723.
[14]	邰晓红王丽娜. 基于模糊控制修正Elman神经网络的电力负荷短期动态预测[J]. , 2016, 38(2): 264-269.
[15]	彭连会张祥波. 基于ARIMA-RBF算法的月度降雨量预测研究[J]. , 2016, 38(2): 301-305.

煤层底板突水危险性的ReliefF-IGS-SVM预测模型及应用

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐