基于朴素贝叶斯分类器的冲击地压危险程度预测研究

本文选取了影响冲击地压的8个因素作为属性条件,把冲击危险程度作为目标变量,利用训练样本对朴素贝叶斯分类器模型进行了学习训练,对测试样本进行了预测,从结果来看精确度较高。因此朴素贝叶斯分类器模型预测冲击地压危险程度是有效的。     

煤与瓦斯突出分类预测方法分析

文章通过SVM分类机、朴素贝叶斯分类器和决策树算法,利用WEKA等软件以及粗糙集等理论分析并验证了瓦斯放散速度、瓦斯压力、煤的普氏系数、地质破坏程度、开采深度等非线性因素对煤与瓦斯突出的影响。成功实现了对煤与瓦斯突出基于三种不同算法的训练和预测;从详细精度、混淆矩阵和节点错误率这三个方面分别比较了三种算法对煤与瓦斯突出分类预测的适用性。结果表明:三种算法对煤与瓦斯突出进行分类预测是较成功的,其中,决策树算法对煤与瓦斯突出进行分类预测的效果最优,其次为朴素贝叶斯分类器。     

回采巷道围岩稳定性的分类预测方法分析

通过SVM分类机、朴素贝叶斯分类器和决策树算法,利用Matlab和WEKA软件以及粗糙集理论分析并验证了7个非线性因素对回采巷道围岩稳定性的影响。成功实现了对回采巷道围岩稳定性基于3种不同算法的训练和预测。从详细精度、混淆矩阵和节点错误率这3个方面分别比较了3种算法对回采巷道围岩稳定性分类预测的适用性。结果表明决策树算法不适用于对回采巷道围岩稳定性进行分类预测,SVM优于朴素贝叶斯分类器。     

利用开源的数据挖掘平台WEKA进行文本分类仿真实验

煤矿企业自动化系统使用的文本分类中的一个关键问题就是分类方法的选择。为了对常用的分类方法进行性能的综合评价,分析了朴素贝叶斯(NB)、决策树(DT)、支持向量机(SVM)这3种常用的文本分类方法,并利用开源的数据挖掘平台WEKA进行仿真实验。     

基于混合核函数支持向量机的顶板砂岩富水性研究

为了寻求一种能够较好地预测煤层顶板砂岩富水性等级的方法,以桑树坪煤矿为例,分别采用BP神经网络、K最近邻分类法、决策树和支持向量机算法对其顶板砂岩富水性进行预测。比较发现,基于支持向量机的预测模型准确率最高为87.5%,节点错误率最低,优于其他3种模型。为了进一步提高模型预测准确率,建立了煤层顶板砂岩富水性的混合核函数支持向量机预测模型,当λ₁=0.05与λ₂=0.95时预测准确率达到100%。研究结果表明,以条件属性作为输入、决策属性作为输出的混合核函数支持向量机预测模型能较好地预测煤层顶板砂岩富水性等级,效果较好。     

基于支持向量机的机械多故障智能分类方法研究

典型故障数据样本的严重不足是制约机械故障智能诊断技术发展的主要原因之一。提出了一种基于支持向量机的机械故障诊断新方法,综合了单值和多值支持向量机分类算法,在此基础上,建立了多故障分类器。采用该方法对转子实验台典型的多故障数据进行分类,结果表明:只需少量的时域数据样本来训练分类器,即可实现多故障的识别与诊断,克服了已有方法需要对原始数据进行预处理的困难,可更方便地应用于机械设备多分类故障诊断领域。     

基于改进的球结构多分类支持向量机的冲击地压预测模型研究

运用改进的球结构多分类支持向量机预测冲击地压的发生级别,并通过数值试验验证了方法的有效性。     

深基坑变形预测的支持向量机方法

提出了一种预测深基坑变形的新方法支持向量机，可很好地表达深基坑变形与其影响因素之间的非线性映射关系，并应用该方法建立了相应的模型，预测结果表明，利用该方法进行深基坑变形是可行的、有效的。     

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。     

一种支持向量机的矿井提升机故障诊断方法

介绍了几种传统的支持向量机(SVM)多分类方法,分析了所存在的问题及缺点。提出了一种基于SVM的矿井提升机故障诊断方法。该方法具有简单、直观和训练样本少等特点。通过将其应用于提升机运行状态的故障诊断,结果表明,采用该方法比传统多类SVM方法和BP神经网络具有更高的诊断正确率。     

基于贝叶斯判别分析方法的岩爆烈度预测研究

针对各种岩爆烈度预测判据的结果有时产生比较大的误差,提出了贝叶斯判别分析方法。选取强度脆性系数(Rb)、弹性应变能储存指数(Wet)、Russenses判据作为岩爆预测的判别因子,建立贝叶斯判别分析模型,并对样本进行后验概率和回代检验,最后利用该模型进行预测。研究结果表明,该模型预测结果准确率达93.75%,与实际情况较吻合,可以在实际工程中应用。     

基于组合赋权-改进集对分析的岩爆倾向性预测研究

岩爆是地下工程中的主要地质灾害之一,具有强破坏性、不确定性、突发性等特点。为准确、有效地预测地下工程中的岩爆倾向性,基于组合赋权-改进集对分析理论,建立了岩爆倾向性预测模型。首先从岩性、应力、围岩3个方面确立预测指标;其次利用组合数有序加权平均算子赋权法（Combination Weighting Averaging,C-OWA）、关联准则重要性赋权法（Criteria Importance Though Intercrieria Correlation,CRITIC）、博弈论分别计算出主观权重、客观权重,组合权重;最后将传统集对分析理论中的三元联系度改进为四元联系度,用改进后的集对分析理论计算出综合联系度来预测出岩爆等级。将该模型应用于西藏甲玛铜多金属矿等工程的岩爆倾向性预测中,得出该矿的综合联系度为[u1=-0.302 9],为弱岩爆,与实际相符。研究表明：所建立的模型适用于岩爆倾向性预测,与交互式多准则决策预测模型和逼近理想解排序法预测模型对比,准确性、可靠性较优,为岩爆倾向性预测提供了一种新的途径。     

基于AdaBoost-BAS-SVM模型的岩爆预测研究

岩爆是发生在深埋地下高应力岩体开挖工程中的一种动力破坏现象,作为矿山开采过程中的主要工 程地质灾害之一,其等级预测是必须解决的岩石工程的重大问题。综合岩爆预测过程中多因素影响,选取 σθ/σc、 σ c/σt、Wet作为岩爆等级预测指标。通过利用天牛须搜索（BAS）算法解决支持向量机（SVM）中的重要参数 C 与 gamma 择优问题,并引用 AdaBoost 集成学习算法对 BAS-SVM 弱学习器进行强化训练,解决了单一分类器不稳定问题, 最终建立了 AdaBoost-BAS-SVM 岩爆等级预测模型。通过收集到的 194 组实例数据对该模型进行训练测试,并与 SVM、BAS-SVM、AdaBoost-SVM 3 组模型进行结果对比。结果表明：该模型较其他 3 组模型预测准确度更高,其收 敛性能明显提高,可有效、快速地预测岩爆等级。     

基于随机森林模型的岩爆等级预测研究

以岩石单轴抗压强度、单轴抗拉强度、硐室最大切向应力、岩石压拉比、应力系数、弹性变形指数和完整性系数为岩爆评价指标, 建立了4种评价方案; 在引入随机森林算法的基础上, 建立了岩爆等级预测的随机森林模型, 并通过R语言编写代码对该模型进行了计算, 得出评价指标的重要性和预测结果; 将4种评价方案用随机森林法、线性回归法和支持向量机法分别进行预测并将结果进行对比分析。结果表明：随机森林法的岩爆预测准确率较高(达到97%), 适用于解决数据不完全的小样本问题; 岩石完整性系数重要度最大, 岩石单轴抗压强重要度最小。     

基于surfer和趋势面分析预测煤层断层的研究

矿井断层的空间分布特征对于煤矿安全、高效生产和合理开发利用煤炭资源具有重要影响,使得探明矿井断层的分布变得尤为重要。基于大量的煤矿地质钻孔资料,通过专业绘图软件surfer来生成煤层顶板的三维曲面图、等高线图以及等值线趋势分析图。根据趋势面分析方法圈出煤层中存在的断层,实现煤层构造可视化。通过实际的煤层地质分析验证了用此方法预测煤层断层是有效的、可行的。     

RBF神经网络在岩爆预测上的运用

岩爆是煤矿生产中常见的动力灾害,岩爆的预测一直是矿井灾害预测中的难点。由于岩爆的发生突然、机理复杂、干扰和影响因素多,因此很难对岩爆进行有效的预测。人工神经网络具有并行分布处理与存储、高度容错、自组织、自适应和自学习功能,能分析较为复杂的非线性系统。文中以MATLAB7.0为开发环境,利用其神经网络工具箱的RBF网络,通过一套权值和阀值来仿真模拟岩爆对岩爆进行预估。通过实际模拟表明利用RBF神经网络对岩爆进行预估是一种成功的的方法,其预测结果与实际情况相一致,说明利用该网络模型对岩爆的预测是可靠的。     

虹梯关隧道围岩岩爆分析

虹梯关隧道隧址围岩以硬质岩为主,该隧道属特长深埋隧道,其附近地质构造也十分发育,工程地质条件复杂,发生岩爆可能性很大。通过对岩爆影响因素的分析,采用水压致裂法地应力测试,经陶振宇判别法、切应力准则等应力判断方法,认为虹梯关隧道隧址部分地段可能会发生轻微～中等岩爆。     

基于灰关联-神经网络方法的冲击地压预测

通过对影响冲击地压的各因素进行灰关联分析,得出了各因素对冲击地压影响程度的重要性排序,选择关联度排列前8位的影响因素作为输入参数,建立了冲击地压预测的BP神经网络模型,并进行了实际应用。     

基于莫尔-库伦强度理论的岩石冲击危险性判据

岩爆(冲击地压)日益成为危害工程安全生产的灾害,建立有效判据对于防治这类灾害具有重要意义。基于莫尔-库伦强度理论,通过解析几何数学方法,推导建立了冲击危险性应力指标,并以二长花岗岩为试验材料,采用三轴试验方法,对该判据予以了证明分析。研究表明:1基于摩尔库伦强度理论建立的冲击危险性判据——冲击危险性应力指标与岩石稳定状态具有良好地相关性,该值越大,相对应力水平越高,岩石发生冲击破坏的可能性越大。2冲击危险性应力指标可以反应岩石在某一应力水平下的冲击危险程度,弥补了单独分析最大主应力和最小主应力作为单一分析指标的不足,反映了应力参量和材料物理力学参量(内摩擦角、黏聚力)等对岩石冲击危险性的影响。3为数值计算方法提供了新的分析指标,可根据数值计算结果进一步计算出冲击危险性应力指标在空间的分布情况,反映出不同空间位置的岩体的冲击危险性情况,为岩爆发生提供预测依据。     

基于信念网络的岩爆倾向性预测模型研究

为了在岩爆预测精确度和工程实用性之间寻找平衡点,提出基于信念网络的岩爆等级预测模型,综合考虑岩爆的发生机理和目前已有的判别依据,选取最大切向应力与岩石单轴抗压强度比值等因素作为评价指标。在专家论证的样本数据集的基础上,采用梯度下降法对输入不完备信息进行预测优化;应用NETICA软件对已有的样本信息进行统计训练后获得节点间的概率分布,分析了各判据节点与目标节点的敏感度。利用该预测模型对工程实例进行分析预测,验证了模型的可行性,为岩爆等级预测提供一种新的方法和途径。