基于CART算法的煤与瓦斯突出判别分析

基于分类回归决策树(CART)算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出判别的CART模型。模型选择瓦斯压力、瓦斯放散初速度、煤的破坏类型、坚固性系数和垂深作为煤与瓦斯突出的判别指标体系,选取国内典型煤与瓦斯突出矿井的突出数据建立模型样本训练库,利用k-折交叉验证方法寻找最优树,并提取优化后的突出规则,最后将提取的规则对实例进行验证。研究表明,该模型简单有效,可以作为煤与瓦斯突出判别分析的一种辅助方法。     

基于TreeNet算法的煤与瓦斯突出预测模型构建研究

针对煤与瓦斯突出矿井防突措施实施过程中,大量的突出预兆信息没有被充分利用,难以指导煤矿有效预测突出的问题,提出了采用CART算法构建突出预兆工程信息测试样本空间,采用分步式迭代逼近方式的TreeNet算法的煤与瓦斯突出预测模型构建方法,通过建立分类预测模型,通过算法找到了测试样本中的重要预测变量,同时通过预测变量对目标变量的贡献归因分析,得到了预测指标取值的最危险区间,以此构建矿井突出预测敏感指标体系。通过对原利民煤矿历年突出资料进行测试分析,发现坚固性系数、最大钻屑量、瓦斯涌出量对突出发生有着较为明显的对应关系,可作为该矿井煤与瓦斯突出预测的敏感指标。研究结果表明：基于TreeNet算法的煤与瓦斯突出预测模型构建是一种机器学习的工作面预测指标的敏感性判别方法,可用于煤矿建立工作面突出预测敏感指标体系。     

基于高分一号特征优选的CART决策树面向对象分类研究

以陕西省神木县部分区域为研究区,采用国产高分一号影像数据,结合目视解译成果,研究基于多种特征的CART决策树面向对象分类,对研究区的地物类型进行自动提取。在训练样本一致的前提下,利用面向对象最邻近分类优化特征空间工具间接优化决策树特征空间,并与其分类结果相对比,证明CART决策树面向对象分类是一种高效、高精度的分类方法,尤其适用于大数据量的高分辨率遥感影像地物类型自动提取。     

基于多变量监测时序的冲击地压复杂性分析

论文基于多变量时间序列相空间重构来计算数据的关联维数,以研究冲击地压监测数据的复杂程度。考虑到冲击地压监测数据含有噪声而且长度有限,对传统G-P算法进行了扩展改进,给出了改进算法求解多变量时间序列的关联维数的原理,并用于Lorenz混沌系统检验了改进算法的有效性。收集了不同冲击情况下多种监测类型的冲击地压时间序列数据,用改进G-P算法求解这些监测数据的关联维数值。研究结果表明:冲击地压监测数据具有混沌特性,而且数据关联维数越大,复杂程度越高,对应矿井的冲击破坏性越强。这为基于混沌理论预测冲击危险性提供了新方法和依据。     

基于能源网络系统中燃煤锅炉NOx排放的深度学习模型研究

为了建立高精度的燃煤锅炉NOx排放量预测模型,提出了一种考虑时延特征的基于深度学习的燃煤锅炉NOx排放量建模算法。结合机理分析和lasso算法分析特征变量重要性,选取与NOx排放量最相关的变量,进一步分析所选取变量与NOx排放量之间的时延相关性;确定模型输入变量后,采用经验模态分解方法对输入变量时间序列进行分解,提取其中的频域信息与时域信息,构造建模数据库;设计深度神经网络结构并优化网络参数,建立NOx排放量预测模型。基于火电厂实际运行数据的实验结果表明,在多种工况下,所提出的算法预测误差均小于2%,能够满足实际生产对预测精度的要求。     

基于SBS-NARX的浮选过程精矿品位软测量

精矿品位是矿物浮选过程中的一项关键工艺指标,但在实际生产中该变量难以在线检测;且该过程非常复杂,具有高度的非线性及不确定性,常用的建模方法精度不够。针对上述问题,设计了一种顺序后向回归(SBS)与非线性自回归(NARX)神经网络结合的软测量算法。算法利用SBS对输入变量进行筛选以降低冗余变量对模型精度的影响,采用NARX神经网络对精矿品位进行预测。工业运行数据的仿真结果表明,该算法可以有效预测精矿品位,并且与其他算法相比,具有一定的优越性。     

四关节型混联机构辅助平行四边形参数优化

针对四关节型混联机构辅助平行四边形参数优化设计过程中,传统算法无法求解设计变量和目标函数之间的离散、复杂映射问题,提出了MATLAB遗传算法和GA算法相结合的求解方法。应用DH参数法建立机器人各杆件的连杆坐标系,并确定各连杆坐标系的D-H参数,进而构建机器人工作空间的目标函数。研究结果表明,设计变量取优化值无论在定性上还是定量上比取初始值所得的工作空间大。该方法利用机器人工作空间的形状特征对其进行分割和离散积分,对于开发设计其他类型机器人结构具有参考价值。     

基于粒子群算法的煤矿设备故障诊断研究

为了在井下复杂环境下能够准确地判断设备电机故障类型及概率、为合理决策提供依据,在胶囊网络算法的基础上加入了改进的粒子群算法。改进的粒子群算法可以更快地寻找胶囊网络所需的最优参数和阈值进行训练,有效提高胶囊网络算法计算精度及性能,在很大程度上提高了煤矿电机故障诊断的精确度。     

自适应遗传算法在桁架截面优化设计中的应用

针对基本简单遗传算法中的交叉、变异概率均是恒定不变的参数的局限性,提出了可变概率的交叉、变异算子的针对离散变量结构优化设计的自适应遗传算法。以平面和空间桁架为算例,并将计算结果与其他算法所得结果进行比较,结果表明,这种算法对离散变量的桁架截面优化设计是有效可行的。     

昆明市生态用地信息提取技术比较研究

以Landsat8影像为数据源,采用最大似然法、CART决策树分类法对昆明市生态用地信息进行提取。比较两种分类方法对不同生态用地信息提取的分类精度,结果表明:(1) CART决策树方法更适宜于耕地、未利用地、建设用地信息提取,且总体分类精度高于最大似然法;(2)从地类的空间分布情况上看,CART决策树分类图像的结果多为面状,最大似然法分类结果地物分布细碎。总体来说不同信息提取方法具有各自的优势,在具体应用中,可根据目标地类的波谱特性,选择适宜的信息提取方法。     

基于安全聚类算法的挖掘机故障诊断研究

对挖掘机迅速、准确进行监测,有效进行挖掘机故障实时诊断在大型工程中成为一种迫切要求。文章提出一种安全性和相关性相结合的安全聚类算法,并在聚类过程中生成一棵安全二叉树,利用支持向量机和二叉树对挖掘机故障实时监测。实践证明这种方法不仅保证了故障诊断的正确率,而且可以让引起严重后果的故障得到优先诊断。     

基于遗传算法的多决策树融合研究

决策树是数据挖掘领域的一种有效方法,但基于决策树挖掘的入侵检测系统存在着检测性能低和数据挖掘效率不高等问题,针对这些问题,该文将遗传算法应用到决策树挖掘策略中。其思想是其思想就是将海量数据集分成若干子数据集,在子数据集上进行挖掘形成不同的子决策树,然后用遗传算法将多棵子决策树进行融合形成最优判断。文章最后通过实验证明该方法的有效性。     

基于决策树的电力系统实时动态安全评估方法研究

电力需求增长和电力市场管制的压力下,电力系统必须通过缩小运行安全裕度,以使其运行接近稳定极限,为系统实时安全指标提供充足的时间进行分析、决策和准确地实施补救控制,提出了一种对称不确定性(SU)算法和逻辑模型树(LMT)算法分别作为特征选择的高级分类器和决策树分类器,该方法利用对称不确定性(SU)来降低基于决策树分类器的动态安全评估(DSA)工具中的数据冗余。结果表明,SU显著降低了DSA数据集的维数,对于改进的IEEE 30总线测试系统模型的DSA,SU算法可以减少30.76%的计算时间,而LMT算法的精度可以提高到100%,同时提高了决策树分类器的性能。基于SU的决策树分类器能够近实时地评估系统的动态安全性。该方法对电力系统实时保护和控制应用具有一定的参考价值。     

基于故障树的故障诊断专家系统的研究

矿井提升机制动系统的运行善是关系到提升机安全运行的关键因素,受其工作性质的影响,一旦发生事故,将造成不可估量的经济损失和人员伤亡。     

新型计算机射频识别系统防碰撞算法研究

介绍了一种基于ALOHA和二进制搜索结合的防碰撞算法,该算法首先使用探测帧来估计标签数目,然后根据标签数目估计结果来确定后续的处理方法。由仿真结果可以看到,该算法较传统的方法在识别效率上有显著的提升。     

基于次序二叉树SVM的矿井提升机制动系统故障诊断

介绍几种传统的支持向量机(SVM),提出了一种基于次序二叉树支持向量机的多类分类算法。该算法采用样本分布半径和分布距离估算各类别样本在高维特征空间中的分布情况,更精确地确定其在特征空间中的分类区域。利用该算法对提升机制动系统的故障诊断进行仿真分析,结果表明,该方法具有诊断速度快且故障识别率高的特点。     

基于特征树类比法的软岩巷道支护设计原理与应用

根据从定性到定量综合集成法原理,提出了适用于复杂巨系统间相似性与差异性分析的特征树类比法及相关理论,并给出了特征树模型结构及定量计算相似性指数的计算机算法,以此为基础构建人机交互的类比分析体系。将特征树类比法原理应用到软岩巷道支护设计中,有效地解决了不同巷道断面之间的可类比性无法定量分析的问题。针对龙口矿区软岩巷道支护决策系统研究课题,基于特征树类比法原理开发了巷道支护设计决策支持系统,通过挖掘分析以往巷道的支护案例实现设计方案的类比迁移。工程实践表明该系统能够有效地实现类比对象检索、类比分析及设计方案咨询功能,验证了特征树类比法对于软岩巷道支护设计的适用性与可靠性。     

煤矿救援机器人自主避障方法研究

针对煤矿灾害发生后复杂的矿井环境,提出一种用于救援机器人的分级扩展式快速扩展随机树（CERRT）算法。该方法利用快速扩展随机树（RRT）算法在未知环境中规划路径的优势,将分级扩展的思想融入到RRT算法中,具有在未知环境中避开障碍物快速找到目标的特点。仿真验证了该方法的有效性,与传统方法比较,路径规划速度和避障能力得到了提高,缩短了找到目标的时间。该方法也可为钼矿、铜矿等其他矿井的救援机器人寻找目标提供参考。     

数据驱动下的矿产预测模型构建方法研究

这是一个计算无处不在、软件定义一切、数据驱动发展的新时代。在矿产预测中,相较于以前统计方法,机器学习、深度学习算法的优势在于能更好地表现出矿化点和空间要素之间的非线性的复杂关系。本文将地质、物探、化探、遥感资料融合在一起,用决策树、支持向量机、卷积神经网络三种算法建模,开展综合信息的矿产预测工作。针对甘肃省北山地区的样本数据,发现相对于卷积神经网络的建模方法,决策树和支持向量机的建模方法更为合适。     

数据结构线索二叉树的应用

数据结构中二叉树有很多的遍历算法,但本质都是将属性结构转换为线性序列,简化问题。在遍历序列中,每个节点都有自己的前驱和后去,但在二叉树遍历过程中寻求答案却因为时间复杂度等因素使操作效率低下。线索二叉树很好地解决了这一问题,本文是在二叉树的基础上加入线索二叉树实现数据的快速可操作性。