煤样冲击倾向性分类的多指标评判模型比较及优选

作     者：李岳峰 

作者单位：昆明理工大学 

学位级别：硕士

导师姓名：王超;郑万成

授予年度：2022年

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

主      题：冲击地压 冲击倾向性 分类预测 BP神经网络 支持向量机 模糊综合评价 

摘      要：冲击地压是煤矿生产中的动压灾害,煤岩具有冲击倾向性是发生冲击地压的关键,准确的预测冲击倾向性是冲击地压防治的重要环节。国家标准《GB/T25217.2-2010煤的冲击倾向性分类及指数的测定方法》中使用动态破坏时间(DT)、弹性能量指数(W)、冲击能量指数(K)和单轴抗压强度(R)4个指数进行综合评判,但常常存在4个指数的实测值分属不同的冲击倾向等级,国标列出了73种不同组合情况下的评判结果,对于剩余的8种组合情况,该方法难以判别,需要研究新方法进行判别。本文广泛收集127组煤样冲击倾向性数据,建立冲击倾向性判别的样本数据库。将4种指标无量纲化方法与5种训练方法结合建模,评价20种BP神经网络模型的预测准确性与稳定性,优选出煤样冲击倾向性的BP神经网络判别模型,即统一极差处理法下LMBP神经网络(基于Levenberg-Marquardt算法训练的BP神经网络),其判别准确率达92.91%;采用自适应粒子群优化算法(APSO)优化支持向量机(SVM)的2个重要参数c和g,结合核主成分分析(KPCA)处理原始数据,建立煤样冲击倾向性判别的KPCA-APSO-SVM模型,并与未KPCA处理的APSO-SVM模型预测结果进行对比,优选出煤样冲击倾向性的支持向量机判别模型,即KPCA-APSO-SVM模型,其预测准确率达96.85%;考虑模糊综合评价法中的隶属函数、模糊算子和评价法则,优选出一种煤样冲击倾向性的模糊综合评价模型,即基于梯形分布、加权平均型模糊算子与最大隶属度原则的模糊综合评价模型,其准确率达97.64%。将3种煤样冲击倾向性判别的优选模型用于17组矿山样本进行检验,综合各模型在数据库与工程检验中的表现,最终优选出本文最佳模型,即基于梯形分布、加权平均型模糊算子与最大隶属度原则的模糊综合评价模型。该模型在大样本(数据库)判别中的准确率达97.64%,在小样本(模型验证)判别中的准确率达100%。