[发明专利]一种基于支持向量机的矿井巷道摩擦阻力系数预测方法

说明书

技术领域

本发明涉及的矿井巷道摩擦阻力系数预测领域，具体涉及一种基于支持向量机的矿井巷道摩擦阻力系数预测方法。

背景技术

在煤矿安全生产中，安全第一，预防为主，“一通三防”的工作对煤矿具有重要的意义。矿井通风是煤矿生产系统中重要的辅助环节，它是将新鲜的空气从地面上输送到井下，为井下的作业人员提供创造了良好的工作环境，同时还稀释并排除井下各种有毒、有害气体和矿尘，调节井下的温度与湿度，改善井下气候条件。矿井通风阻力特性的优劣直接影响着矿井安全生产及其经济效益。因此，为确保煤矿安全生产，研究矿井通风阻力特性具有非常重要的现实意义。

矿井巷道摩擦阻力系数是反映矿井巷道阻力特性最重要的技术参数之一。它是一个常量值，反映了巷道的固有本质属性。同时它是矿井通风设计、通风系统改造以及加强通风技术管理等工作的技术基础。

矿井巷道摩擦阻力系数的确定，常用实际测量和查表选取两种方法。实际测量的巷道摩擦阻力系数值能反映矿井巷道的阻力特性。但是测量环境差、工作量大而且需要较多的测量人员，协调工作困难，测量过程中必然影响矿井正常的生产工作。查表法简单易操作，但目前我国矿井通风设计所采用的巷道摩擦阻力系数表上个世纪80年代制定的。由于矿井地貌特征、煤的赋存条件不同，导致矿井巷道摩擦阻力系数值不同。即便是同一个矿同种支护类型的巷道，也因巷道的断面、长度等的影响，矿井巷道摩擦阻力系数也存在很大差异。我国煤矿行业经过数十年的发展，其井型、规模、巷道布置、支护结构等方面有了很大的改变，已有的巷道摩擦阻力系数表并未与时俱进，及时进行更新，不能完全适应现在的实际情况。矿井巷道摩擦阻力系数数值较小，往往不能够引起矿井通风技术人员的足够重视，在巷道摩擦阻力系数选取之前，井通风技术人员并未因地制宜地结合各个矿井具体的煤层赋存条件、巷道布置情况、支护类型及通风构筑物的实际情况进行选取。在选取矿井巷道摩擦阻力系数时，只是简单地查表估计，取值具有较大随机性，因此人为因素会对计算结果产生影响，甚至导致与实际结果偏差较大。

伴随这计算机科学和统计学的发展，计算机学习已经成为了各个领域进行预测的一种常用方法。机器学习是建立在研究数据的基础上，得到或发现一定的规律后，再反向回来对数据进行说明，阐释，而且其作用还表现在对未来数据发展趋势的推断和预测，即推广能力。支持向量机是其中最典型的一种，适应于小样本问题，它的创立至今经历了数十年发展得以成熟运用。在国内矿业领域，支持向量机的应用在本世纪初已经开始，经过十几年的发展，其已经被用于进行矿井突水风险预测，矿井涌水水源分析，矿井火灾风险预测，煤炭开采围岩岩爆预测，煤岩图像分类识别技术，因此将该技术应用于矿井巷道摩擦阻力系数研究将具有良好的前景。

发明内容

为解决上述问题，本发明提供了一种基于支持向量机的矿井巷道摩擦阻力系数预测方法。

为实现上述目的，本发明采取的技术方案为：

一种基于支持向量机的矿井巷道摩擦阻力系数预测方法，包括如下步骤：

S1、确定支持向量机预测矿井巷道摩擦阻力系数的输入输出变量，采集实际数据，并对实际数据进行归一化处理，得到用于预测模型的训练样本数据；

S2、选取径向基核函数作为支持向量机预测矿井巷道摩擦阻力系数模型的核函数；

S3、采用遗传算法对预测模型的超参数进行确定，并对整个训练集进行训练，获得支持向量机预测矿井巷道摩擦阻力系数的模型；

S4、采用步骤S3建立的预测模型对验证集中的数据进行预测。

其中，所述遗传算法选取支持向量机预测模型参数组合通过以下步骤完成：

S31、染色体的编码、解码与种群的初始化

采用基于实数的编码方式，设定支持向量机预测模型的惩罚参数C和核函数参数g搜索范围，然后将设定范围内的具有可行性的参数组合值转换为能被遗传算法所接受的染色体，最后在原始数据中随机选取n个个随对完成种群进行初始化处理；

S32、确定种群个体适应度

以预测模型在训练过程中的均方误差作为个体适应度评价指标，即种群中某个染色体相对于其他染色体在进化过程中的优劣性；

S33、染色体的选择、交叉和变异

按照锦标赛原则对个体进行选择，给定个体的选择概率后，会产生[0，1]之间的均匀随机数，这些随机数能决定个体的交配几率，使种群中生命力强、适应度高的个体参与新群体生成，同时对原有群体中的个体进行优胜劣汰，使群体中每个个体的适应度值均迭代接近全局最优解。