基于PCA-GA-SVM模型的地表下沉系数预测

为解决地表下沉系数难以精准预测的问题,提出了基于主成分分析(PCA)的遗传算法(GA)优化的支持向量机(SVM)模型.利用主成分分析法对４５个矿区的７个地表移动参数影响因子进行降维,提取出新的主成分,同时通过遗传算法获取能够优化支持向量机的最优惩罚参数和最优核函数参数,将主成分输入优化后的支持向量机,对比地表下沉系数的预测值与真实值之间的差距,计算平均相对误差,并与SVM,PCAＧSVM,GAＧSVM３种模型的平均相对误差对比.结果表明:PCAＧGAＧSVM 模型的平均相对误差可以达到７．０１％,精度更高,更能准确地预测地表下沉系数.     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

RVM在煤自燃预测中的应用研究

在对煤自然发火程度预测的方法中,采用径向基(RBF)神经网络预测煤自燃的方法容易发生局部最优、结构冗杂现象,采用支持向量机(SVM)预测会由于Mercer条件的限制导致其核函数对参数反应敏感,常规的机器学习方法存在较大误差,因此引入以相关向量机(RVM)为基础进行预测.结合晋能控股集团四老沟煤矿实际生产情况,对煤自燃升...     

金属矿采空区危险性判别的PCA-SVM模型研究

为了有效合理地判别金属矿采空区的危险性, 引入主成分分析法(PCA)及支持向量机(SVM), 建立了PCA-SVM判别模型。搜集国内金属矿40组采空区失稳资料, 首先利用主成分分析法对采空区失稳因素进行降维处理, 消除各因素之间的冗余, 获取样本集主要信息。然后利用支持向量机对保留的主成分数据进行建模, 并引入遗传算法对SVM模型参数进行优化, 改善SVM模型的判别效果。对判别模型进行训练及检验, 结果表明, 该模型对训练样本和检验样本的判别精度分别达到100%及90%。最后将该模型运用于工程实际中, 其判别结果与实际情况相符, 表明该模型在工程实际中具有一定的应用价值。     

基于PCA-RVM的露天矿边坡稳定性预测模型

针对当前露天矿边坡稳定性预测模型精度不高、效率低等问题,提出一种将主成分分析法(PCA)和相关向量机(RVM)相结合的露天矿边坡稳定性预测模型。该模型运用PCA对影响边坡稳定性的多个影响因素变量进行降维,筛选出4个相互独立的主成分变量;借助RVM映射边坡稳定性安全系数与主成分变量之间的非线性关系,建立基于PCA-RVM的露天矿边坡稳定性预测模型。将该模型应用于露天矿边坡工程实例,结果表明:在相同样本下,PCARVM模型预测结果的最大相对误差仅为1.26%,平均相对误差为0.95%,均方差为0.011,远低于RVM模型和GEP模型的预测结果;PCA-RVM模型具有预测精度高、离散性小、可靠度高等优点,为准确预测露天矿边坡稳定性提供了一条新途径。     

煤自燃极限参数的支持向量机预测模型

建立了基于支持向量机 (Support Vector Machine, SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤自燃极限参数预测中具有实用价值.      

基于PCA-SVM的岩爆预测

岩爆是深部地下工程开挖掘进过程中常见的地质灾害,具有显著的随机性、突发性和复杂性,随着深埋工程的增多,岩爆预测的重要性日益凸显。根据岩爆的影响因素、特点及成因,选取了围岩切向应力σθ,单轴抗压强度σc、单轴抗拉强度σt、脆性系数σc/σt、应力系数σθ/σc和冲击倾向性指数Wet等6个主要预测指标。首先用主成分分析法(PCA)对原始数据预处理,不仅消除了指标之间的相关性,而且降低了维度;然后使用粒子群算法(PSO)去优化支持向量机的惩罚c和核函数参数g,建立基于主成分分析和粒子群支向量机(PCA-PSOSVM)的岩爆预测模型,并将PCA-PSOSVM的预测结果与支持向量机(SVM)模型和人工神经网络(ANN)模型的预测结果进行比较。结果表明:PCA-PSOSVM模型的判别准确率比SVM模型和ANN模型高。     

基于支持向量机模型的地表下沉系数计算参数寻优

为准确快速地对地表下沉系数进行预测分析,提出基于支持向量机(SVM)的地表下沉系数的SVM预测模型,结合我国典型的地表移动观测站实际案例,分别采用网格参数寻优算法、遗产算法(GA)、粒子群算法(PSO)对SVM模型进行参数寻优,并采用考虑交叉概率的改进GA算法对地表下沉系数进行预测.结果表明,改进的GA算法预测回归系数可达到0.95271,适合地表下沉系数预测分析,预测准确率最高.     

基于GWO优化的CS-SVM轴承故障诊断

灰狼算法(GWO)作为新型寻优算法,可用于轴承故障诊断。提出了采用GWO优化代价敏感支持向量机(CS-SVM)的诊断模型。通过经验模态分解(EMD)及主成分分析(PCA)进行特征提取并实现特征的降维,GWO优化CS-SVM参数来提升故障分类的准确率。以西储大学轴承数据为例,将比例为4∶1的训练样本和测试样本带入GWO优化的CS-SVM模型,诊断测试的准确率为96.67%,相比于传统PSO算法的准确率有所提升,收敛速度更快,表明了GWO优化的CS-SVM具有优越性。由此可以得出,GWO可用于轴承故障诊断的研究,验证了该算法模型的有效性。     

基于支持向量机的采空区遗煤自燃预测分析

在分析回采工作面煤层自燃基础上,用支持向量机(SVM)预测技术对采空区遗煤自燃进行预测分析。并以忻州窑矿8914综放工作面采空区遗煤自燃为实例,对其不同时期采空区危险性进行预测分析,验证了该方法的可行性。打破传统经验分析法,实现了煤矿安全分析的智能化,对建立本质安全型矿井具有利用价值。     

基于SoC嵌入式片上系统应用研究

以片上系统(SoC)为代表的嵌入式应用系统拉开了嵌入式系统发展的大幕,极大的推动了IT产业的发展,给人们的生产、生活带来深远的影响。嵌入式系统用在一些特定专用设备上,通常这些设备的硬件资源(如处理器、存储器等)非常有限,而且对成本敏感,有时对实时性要求较高等。常见的嵌入式系统如手机、PDA、电子词典、掌上电脑、VCD/DVD/MP3 Player、数码相机、游戏机、机顶盒、路由器等,这类嵌入式应用系统对成本比较敏感。还有一些对性能和实时性要求比较高,如通信系统,医疗仪器,航空航天设备以及军事武器上的一些嵌入式应用系统。     

浅谈对三项监察的认识

结合辽宁的监察工作,谈一谈对三项监察的认识。     

基于互联网技术的智能建筑管理系统研究

随着现代化信息技术的迅猛发展,智能建筑系统集成成为一大研究热点,并为依托于信息技术促进建筑物整体功能的相应提升创造了有利条件。文章介绍了智能建筑系统集成以及B/S模式的特点,阐述了ASP.NET的新特性,对IPMS-智能建筑管理系统的研究与实现加以分析和讨论。     

基于Inventor系列化零部件库的开发与调用研究

系列化零部件在设备设计中被大量而频繁地使用。目前,在CAD软件中并没有现成的系列化零部件模型库。过去,设计人员需要对CAD软件编程进行二次开发,来建立这类零部件模型库。详细阐述了利用Inventor的iPart功能开发设备的系列化零部件模型库步骤、要点及其调用方法。该研究对通用设备设计手段的创新和所有系列化零部件的设计与创建都具有指导意义。     

基于小波分析理论的风机故障诊断技术研究

基于小波分析理论,针对风机动静碰摩故障信号进行了小波分析,利用特定频带的信息进行故障诊断,并通过对实验数据分析有效地提取了故障特征,验证了该方法的正确性和有效性。该研究为对风机振动信号进行分析处理,进而为实施故障诊断提供了有效的方法。     

凿井井架在加工及安装中几个问题的探讨

钢管凿井井架是建井单位常用的建井设备，它的应用比较广泛，文中就井架加工及安装中出现的问题进行阐述并提出了改革方案。     

平面磨削表面缺陷研究

平面磨削在生产中用途极广,工件在平面磨削过程中经常会出现各种各样的表面缺陷,特别是在精密磨削中一些凭目测即可辨认的表面缺陷严重影响了产品质量,为解决和避免各类表面缺陷,以采煤机钻头修复为例,有针对性地扼要分析了平面磨削时工件表面缺陷产生的原因及防止措施。     

基于PLC的气动搬运机械手设计

介绍了一种基于PLC控制的气动机械手的设计,详细介绍了气动机械手的结构设计、工作原理、气压传动系统和电气控制系统设计等具体内容。通过PLC的软件程序控制各电磁阀,驱动气缸动作,从而控制机械手的动作。     

浅谈监理安全管理

阐述了工程监理单位和监理工程师对施工现场安全应负的责任,重点叙述了施工现场监理安全管理措施,强调了现阶段监理企业有效介入施工安全管理的重要性.