基于支持向量机分类算法的多煤种煤自燃危险性预测

发布时间：2024-05-08 04:30

　　为了高效地防治煤矿井下煤自燃,在分析现有的煤自燃预测方法的基础上,针对性地开展了基于支持向量机分类算法的煤自燃危险性预测研究.选取指标气体(氢气、一氧化碳、二氧化碳、甲烷、乙烯、乙烷)、气体浓度比值(烯烷比、Graham系数)和煤炭种类(褐煤、长焰煤、气煤、肥煤、焦煤、贫煤、无烟煤)作为特征指标,危险等级作为样本标签,建立了多煤种支持向量机煤自燃危险性预测模型.使用K-CV(K折交叉验证)法和网格搜索法、遗传算法、粒子群算法相结合的方式进行参数寻优,得出由网格搜索法确定的参数的模型分类准确率最高.将测试集带入模型进行检验,得出模型分类准确率为98.26%.最后将多煤种支持向量机模型与单煤种支持向量机模型和神经网络进行对比,得出多煤种支持向量机性能最优,能够很好地适用于现场煤自燃预测.

【文章页数】：7 页

【部分图文】：

图1规范化后的样本数据

72．322221．8517．611．4710．720．140．445313010．321129．412492．2821．221．7011．560．150．455313113．431313．992790．0925．402．1512．450．170．4753…66720．90192....

图2模型分类测试结果

本文编号：3967497