基于最小二乘支持向量机的选煤厂日用水量短期预测

针对选煤厂日用水量时间序列的预测问题，提出应用最小二乘支持向量机（LSSVM）这一新的机器学习方法来实现日用水量的短期预测.借鉴多层动态自适应优化算法的思想，提出最小二乘支持向量机参数优化的多层动态交叉验证法；用微熵率法求得选煤厂日用水量时间序列的最佳嵌入维数和最佳延迟参数，重构相空间，建立了基于最小二乘支持向量机的选煤厂日用水量时间序列等维信息一步预测模型.预测结果表明:基于LSSVM的预测模型的预测精度比BP神经网络预测模型的预测精度要高，能够满足选煤厂日用水量预测的需要.     

矿井涌水量中的混沌及其最大预报时间尺度

矿井涌水量的长期预报是矿山安全、供水工程和环境保护决策一直关心的问题，而各种长期预报的方法因矿井涌水量易受混沌因素影响其预报精度会随着预报时间的延长而降低，最终变得不可用。长期预报的有效期有多长，目前尚没有相关献提及。以山东黑旺铁矿矿井涌水量观测序列作为研究实例，对其267个时间序列的观测值按照导致最小相关系数的迟滞时间进行相容间重构，求算出该空间饱和嵌入维数为10，观测序列的最大Lyapunov指数为0．026。证实该观测序列含有混沌因素的设想，并在此基础上求算出该矿井涌水量的最大预报时间尺度为38个月。由于北方我数矿区具有与研究区类似的地质条件，因此，提出的计算方法对今后矿井涌水量时间序列的长期预报工作具有一定的指导意义。     

基于相空间重构与贝叶斯框架的LS-SVM矿井涌水量预测

提出了一种相空间重构与贝叶斯框架下的LS-SVM预测矿井涌水量的方法,矿井涌水量具有混沌特征,利用相空间重构,找出矿井涌水量时间序列隐藏的演化规律,作为输入参量,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选,运用LS-SVM将非线性问题转化为高维特征空间的线性问题进行求解。利用典型的Lorenz生成的时间序列进行仿真,选择2004年8月-2005年2月的矿井涌水量数据进行验证,结果表明该方法可行并具有较高的精度。     

基于相空间重构与GA-LSSVM的瓦斯涌出量预测

将相空间重构与进化最小二乘支持向量机（GA-LSSVM）相结合,建立瓦斯涌出量预测模型。根据Takens理论,重构瓦斯涌出量时间序列相空间,分别采用互信息法和伪近邻点确定延迟时间和嵌入维数;然后在相空间中,运用最小二乘支持向量机（LSSVM）建立预测模型,并采用遗传算法（GA）优化模型参数。最后,以晋城市成庄矿2315综放工作面瓦斯涌出量为例,进行了预测研究。计算结果表明,模型具有较高的精度,是科学可行的。     

基于混沌-广义回归神经网络的矿井涌水量预测

针对矿井涌水量预测研究中存在的相关影响因素考虑较少、模型预测精度不高和适用性不强的问题,建立了混沌理论与广义回归神经网络耦合的新的预测模型(Chaos-GRNN模型)。从理论上分析了矿井水文系统产生混沌现象的机理;由混沌理论得到涌水量序列相空间重构后的嵌入维数、时间延迟和最大Lyapunov指数,以此确定GRNN的输入层神经元个数、取值和预测时长;采用交叉验证法获得GRNN的光滑因子,建立Chaos-GRNN模型;对平煤十二矿涌水量(2014年1月至2015年12月)进行模型验证。结果表明：矿井水文系统演化过程的循环迭代是产生混沌的根本原因,其表象特征为演化过程的不可逆性、非平稳性和演化结果的多样性;平煤十二矿涌水量时间序列具有混沌特征,其嵌入维数m=7,即涌水量的影响因素为7个,GRNN输入层神经元个数为7;时间延迟τ为13个月,由此确定了GRNN输入层神经元的取值;最大Lyapunov指数为0.053 0,确定了GRNN预测时长为19个月;Chaos-GRNN模型预测精度达到了94.98%。该预测模型利用混沌理论量化了广义回归神经网络的输入层和预测时长,充分考虑了矿井涌水量的影响因...     

基于WT与GALSSVM的瓦斯涌出量预测

为了准确预测工作面瓦斯涌出量,加强煤矿安全生产,基于小波变换(WT)和进化最小二乘支持向量机(GALSSVM),建立了瓦斯涌出量的新型预测模型.首先,通过小波分解将瓦斯涌出量时间序列分解成具有不同频率特征的信号;然后利用互信息法和伪近邻法得到的时间延迟和嵌入维数对各信号进行相空间重构;之后根据各个相空间的特点建立相应的GALSSVM预测模型;最后把各信号的预测结果进行小波重构,作为最终的瓦斯涌出量的预测结果.以晋城市成庄矿2315综放工作面瓦斯涌出量为例,进行了预测研究.实例表明,该方法具有很高的预测精度和较强的泛化能力.     

时间序列模型及其在矿井涌水量预测中的应用

本文阐述了一种新的时间序列分析模型－－自回归自动预报模型，及其ＣＡＲ（ｐ）模型参数估计的递推最小二乘法和阶判别的Ｆ检验准则，利用ＣＡＲ（ｐ）模型对某矿井涌水量建立了预测模型，结果表明ＣＡＲ（ｐ）模型具有较高的预测精度，且计算方便，实用性强，尤其适用于矿井水文地质条件复杂，但具有长期水文观测资料的矿井涌水量预测。     

基于一步向前预测回归树的内燃机振动信号趋势预测

针对内燃机振动信号非线性、非平稳特点,提出了一种基于一步向前预测回归树的新模型。首先确定合适的嵌入维数和时间延迟,从而据此确定回归树的输入;然后,建立回归树预测模型;最后,用原始时间序列对所建立的模型进行预测性能评价,并将此方法与神经网络、支持向量机预测方法相比较。     

矿井涌水量时间序列混沌特性的Lyapunov指数的计算与判别

矿井涌水量时间序列包含矿区地下水系统长期演化的信息。根据相空间重构技术,首先采用自相关函数法和虚假邻点法,确定最佳延迟时间和最佳嵌入维数。重构相空间后,再利用Wolf提出的从单变量时间序列中提取Lyapunov指数的方法。该文分别计算了湖南湘中涟邵煤田大水岩溶矿区4个矿井涌水量时间序列的Lyapunov指数,按照混沌特性判别准则,4个矿井涌水量时间序列均存在明显的混沌特性。这不仅为今后矿区地下水系统的非线性研究提供了理论依据,而且为矿井涌水量预测模型的选择提供了有力的依据。     

相空间重构理论在边坡失稳预测中的应用

对边坡位移值的时间序列利用相空间重构理论建立预测模型,预测出边坡失稳的时间,给出了一种预测边坡失稳的新思路,并探讨了嵌入维数的确定方法。     

基于蜻蜓算法和最小二乘支持向量机的矿井突水水源判别

对矿井突水水源的准确判别对于矿井安全生产有着重要的意义。本文提出采用基于蜻蜓算法和最小二乘支持向量机相结合的矿井突水水源预测方法,以Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种水中离子作为矿井突水水源模型的识别因素,利用收集的水样数据对最小二乘支持向量机进行训练和测试,研究结果表明基于蜻蜓算法和最小二乘支持向量机判别模型的计算结果与实际结果一致,而且具有良好的判别能力,其对提高矿井突水水源判别的准确性有着一定的借鉴意义。     

基于模糊-支持向量机的煤层底板突水危险性评价

提出将模糊理论中的隶属度与支持向量机相结合的模糊-支持向量机模型,用于对煤层底板突水危险性的评价。在对肥城煤层底板突水危险性评价指标体系分析的基础上,通过对肥城矿区10个地段的样本数据训练确定最优的模型参数,并对4个测试样本进行了突水危险性评价。实验表明：该模型能够减少样本数据处理的复杂性,较好地解决小样本、非线性问题,为煤层底板突水危险性的评价提供了一种新方法。     

Neural network forecasting model based on phase space re-construction in water yield of mine

The neutral network forecasting model based on the phase space reconstruction was proposed. First, through reconstructing the phase space, the time series of single variable was done excursion and expanded into multi- dimension series which included the ergodic information and more rich information could be excavated. Then, on the basis of the embedding dimension of the time series, the structure form of neutral network was constructed, of which the node number in input layer was the embedding dimension of the time series minus 1, and the node number in output layers was 1. Finally, as an example, the model was applied for water yield of mine forecasting. The result shows that the model has good fitting accuracy and forecasting precision.     

基于FOA-SVR的矿井底板突水量预测模型应用研究

矿井突水是常见的突发性强烈的矿井灾害。为了更好地预防矿井水灾,降低灾害造成的物质损失以及减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数。针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差这5个作为特征因素。然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量。结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明：该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值。     

滨海金矿涌水危险评价及涌水量混沌预测研究

针对涌水危险评价中的不确定性及随机性问题,以水文地质条件中10个因素作为评价指标,建立了滨海金矿涌水危险的云模型并进行评价。基于评价结果,对危险中段的涌水量时间序列进行相空间重构;分析了涌水量相点距离演变规律,建立了涌水安全预警机制;结合重构相空间,建立了涌水量RBF神经网络预测模型。研究表明:云模型的评价结果准确可靠;相空间重构揭示了系统的混沌特性,最邻近相点演化放大了涌水量变化的细微特征,为涌水安全预警机制的建立提供了依据;混沌RBF神经网络实现了涌水量的短期精确预测,可为井下安全开采提供技术保障。     

基于事故树的山西省矿井透水事故分析

为了避免矿井透水事故的发生,有效建立健全井下水害防治体系,基于事故树模型,重点进行了山西省矿井透水事故分析。在事故致因理论的基础上,通过归纳几类常见导致煤矿透水事故的因素,从人、物、环境和管理4个方面展开分析,建立了煤矿透水事故树分析模型;通过最小割集计算得出导致透水事故产生的隐患组合达到192个,并提出加强人员综合素质、提升安全培训效果等防控措施,以确保矿井的安全生产。     

PCA与ELM模型相结合的矿井突水水源快速识别方法研究

为了快速准确判别矿井突水水源，降低矿井突水事故给煤矿生产及人类生命财产安全带来的危害，以赵各庄矿为例，提出了主成分分析法(PCA)与极限学习机(ELM)相结合矿井突水水源快速识别方法。结果表明：PCA确定了赵各庄矿中Na+、Ca2+、Mg2+对水样影响较大，为赵各庄矿水样的主控因子，排除了其它指标冗余信息的影响|在MATLAB中导入PCA确定的水样中三种主成分数据，通过ELM模型仿真训练可在10s内得出水样分类结果，分类学习时间迅速|对比ELM模型与BP神经网络对水样的分类结果，ELM仿真训练结果精确度高达100%，而BP神经网络仿真训练结果精确度仅为83.33%，远低于ELM模型精确度。     

Relationship Analysis of the Degree of Fault Complexity and the Water Irruption Rate,Based on Fractal Theory

Fault structure significantly affects the likelihood of mine water inrush events. In this study, fractal theory was applied to the distribution of fault structures in a deep mining area of the No. 2 mine, Pingdingshan City, China. The results revealed a fractal dimension ranging from 0.602 to 1.672 for fault structures in 35 planes. Using the fractal dimension as a fundamental characteristic, the complexity of fault structures was quantified and categorized into five levels, with the overall complexity of the fault network in the study area classified as moderate. Nine mine water inrush events were used to establish a relationship between the fault fractal dimension and the water irruption rate, which was found to increase with the fractal dimension. Finally, differences in fault fractal dimension and fault complexity level are discussed and analyzed.     

基于最小二乘支持向量机的煤层底板突水量预测

针对底板突水受到多种复杂因素的影响和突水量预测可看成是非线性、高维数、有限样本的模式识别问题，提出煤层底板突水量预测的最小二乘支持向量机方法，给出预测步骤，建立了符合期望风险最小化原则的预测模型，表达了最大突水量等级与其影响因素之间的非线性关系.