改进的粒子群支持向量机预测瓦斯涌出量

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。     

基于PCA-PSOSVM的煤自燃程度预测研究

针对煤自燃程度指标多且与气体产物之间存在复杂非线性关系的特点,将主成分分析理论(PCA)和支持向量机算法(SVM)相结合,建立了煤自燃程度的预测模型。对表征煤自燃程度的10个指标进行主成分分析,提取其中3个主要成分作为支持向量机的输入,利用MATLAB实现回归预测,运用粒子群算法(PSO)对支持向量机的参数寻优,并与遗传算法(GA)参数寻优进行了对比。预测结果显示,PCA-PSOSVM模型的预测精度相对较高,其相对误差绝对值的平均值为4.26%,而PSOSVM、GASVM和PCA-GASVM的相对误差绝对值的平均值分别为8.16%、10.62%和7.81%,表明经PCA降维处理后的SVM预测准确率高于未经PCA降维处理的SVM预测结果,PSOSVM比GASVM具有更好的预测效果。     

基于EEMD和SVM风机故障诊断的研究

针对如何提高煤矿主通风机故障诊断的准确率的问题,提出了一种基于集合经验模态分解(EEMD)和支持向量机(SVM)的风机故障诊断模型。该模型通过分解振动信号得到模态函数,提取能量熵作为故障诊断的特征值,使用粒子群优化算法(PSO)优化过的支持向量机模型诊断故障,其准确率已从87.5%上升到98.75%,实验表明,该模型的故障诊断正确率比较理想。     

基于遗传-支持向量回归的煤层底板突水量预测研究

针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明：与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。     

基于粒子群优化算法的LS-SVM电动机断条故障诊断

支持向量机(Support Vector Machine,SVM)算法是基于统计学习理论的一种新的学习方法,应用于故障诊断技术中,具有训练所需样本少、诊断率高等优点。最小二乘支持向量机(Least Squares Support Vector Machines,LS-SVM)算法是标准支持向量机的一种扩展,能在保证精度的同时大大降低计算机的复杂性,加快求解速度。该算法的超参数对支持向量机的性能有着重要的作用。因此,采用粒子群优化(Particle Swarm Optimization,PSO)算法对LS-SVM算法寻找最优超参数,进一步提高LS-SVM对电动机断条故障诊断的效率和准确率有着重要作用。实验结果表明,综合PSO与LS-SVM两种算法的优点,可有效减少故障诊断中误判、漏判的发生。     

基于进化计算方法的支持向量机特征选择

针对支持向量机训练过程中的特征选择问题,提出了基于进化计算方法的支持向量机特征选择方法,该方法采用进化计算方法中2个典型的算法:遗传算法(GA)和微粒群算法(PSO)为支持向量机选择优化的特征子集。通过对UCI标准数据集的实验,比较了遗传算法和微粒群算法的使用效果。仿真实验结果证明了该方法的有效性。     

PSO-BP网络模型在GPS高程拟合中的应用

文中介绍了一种全局随机优化算法—粒子群优化算法,并将其应用于BP网络模型的参数优化。在基本BP算法的误差反向传播调整权值的基础上,引入粒子群算法(PSO)进行权值修正,建立一个PSO优化的BP网络模型进行GPS高程拟合,并与基于遗传算法优化的BP网络模型(GA-BP)、支持向量机模型(SVM)和基本BP网络模型的拟合结果进行分析比较。结果表明,PSO-BP网络优化模型性能略高于GA-BP网络模型的性能,明显优于SVM模型和BP网络模型。     

基于IGWO-SVM的露天矿边坡变形预测

为了克服露天矿边坡变形预测时传统算法精度低的问题,利用改进灰狼算法(IGWO)和支持向量机(SVM)建立了露天矿边坡变形IGWO?SVM模型.引入非线性递减的收敛因子策略和惯性权重策略改进灰狼优化算法,用来确定SVM参数,以达到提高模型精度的目的,并将露天矿边坡变形观测数据输入模型进行验证.结果表明,与SVM和BP模型...     

基于SVR组合模型的边坡位移预测研究

为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。     

基于支持向量机的多绳提升机钢丝绳张力不平衡预测

为了有效解决多绳提升机钢丝绳最大张力不平衡量的预测问题,提出了支持向量机预测模型,即先构造钢丝绳最大张力不平衡量样本序列,再运用支持向量机非线性回归算法预测钢丝绳张力最大不平衡量。试验分析结果表明,支持向量机预测模型不仅能有效进行钢丝绳张力最大不平衡量的预测,而且其预测精度优于新陈代谢GM(1,1)模型。     

培育安全理念 提升安全素质 促进安全生产

从狠抓观念更新和理念培育,营造安全培训浓厚氛围,完善安全培训保障机制等6个方面总结了平煤集团公司近年来安全培训工作经验、业绩与贡献。     

创新安全理念 优化安全管理 建设本质安全矿井

枣庄联创公司通过积极打造本质安全管理保证体系,完善本质安全管理控制系统,探索提升本质安全管理的得力举措,实现了建设本质安全矿井的目标。     

从煤矿安全生产谈加强安全培训教育

安全培训教育是煤矿生产建设中一项重要的基础工作 ,抓好以人为本的教育 ,搞好岗位技能培训 ,是搞好煤矿安全工作的重要途径之一。     

加强安全管理 保障安全生产

总结了云南省小龙潭矿务局多年来的安全生产工作经验,希望能为其它露天煤矿搞好安全生产工作提供有益的参考,以提高我国露天煤矿安全生产水平。     

培育安全文化营造安全绿洲

告成煤矿开展培育安全文化,加强安全宣传教育,健全机制,强化考核,使干部、职工的安全意识和安全素质得到全面提高,为矿井安全生产奠定了坚实的基础。     

关于安全权利与安全公平的思考

在科学发展观的指导下,从安全社会学和安全法学、安全伦理学的角度,论述了安全权利和安全公平的基本含义;分析了在安全权利保障和实现安全公平方面存在的问题,提出了保障安全权利,实现安全公平的途径。     

安全体制与煤矿安全

本文系统地论述了国家煤矿安全生产管理体制的地位和作用 ,指出了现行煤矿安全生产管理体制在实践过程中遇到的问题 ,提出了解决问题的建议     

提高安全意识 加强安全管理

介绍了山东金岭铁矿针对矿山安全管理的特点,结合本矿实际,加强基础管理,制订相应制度,使矿山各类事故明显下降,收到了较好的经济效益。     

安全心理学在安全管理中的应用

应用安全心理学理论不断提高安全管理水平,不断提高职工安全意识和搞好安全生产的积极性,确保安全期望值的实现。     

以安全考核促进安全管理

多数煤矿安全事故的发生都是由于人的不安全行为、物的不安全状态及安全管理上的缺陷造成的。河南煤化集团赵固一矿结合企业实际,建立各项考核机制,严格安全生产管理考核,规范安全生产管理,减少了"三违"现象的发生,有效提高了安全生产管理水平,保证了矿井的安全生产。