辽宁省教育厅基金(LT2010048)
- 作品数:3 被引量:39H指数:2
- 相关作者:温廷新邵良杉张波戚磊更多>>
- 相关机构:辽宁工程技术大学更多>>
- 发文基金:辽宁省教育厅基金山东省自然科学基金国家自然科学基金更多>>
- 相关领域:环境科学与工程自动化与计算机技术更多>>
- 露天采矿爆破振动特征参量的Logistic-ELM预测被引量:2
- 2015年
- 针对露天采矿爆破过程中特征参量的预测问题,采用Logistic回归分析和极限学习机(ELM)方法,选取总药量、水平距离、高差、前排抵抗线大小、预裂缝穿透率、岩体完整性、传播介质、测点与爆区相对位置、炸药爆速等9个主要影响因素,利用Logistic回归方法分析各个因素的重要程度,提取最主要的因素作为ELM模型的输入,建立基于LogisticELM的露天采矿爆破振动特征参量预测模型。采用露天矿实际爆破过程中测量的100组数据作为学习样本,用于预测模型的训练,使用所得模型对其余15组检验样本进行预测并与真实结果对比。实验结果表明,经过Logistic回归分析提取影响爆破振动特征参量的主要因素后,所得模型可有效预测露天采矿爆破振动的特征参量,误差率较低。
- 温廷新戚磊邵良杉
- 关键词:露天采矿爆破振动极限学习机LOGISTIC回归分析
- 矿井突水水源识别预测研究——以新庄孜矿为例被引量:25
- 2014年
- 矿井突水水源识别是煤矿预防突水事故发生的关键工作,为快速、有效判别矿井突水水源,选取Ca2+,Mg2+,K++Na+,HCO-3,SO2-4,Cl-和总硬度7种主要判别指标。利用Logistic回归分析模型,对7种判别指标的重要程度进行回归分析,提取最主要的判别指标作为水源识别的影响因素,建立基于Logistic分析的矿井突水水源识别的随机森林(RF)模型。将煤矿实测的33组数据作为训练数据,进行预测模型训练,另外选用12组数据作为测试数据,利用该模型进行预测,并与Fisher判别方法和神经网络方法进行对比。结果表明:利用Logistic回归分析法能有效地提取影响矿井突水水源识别的因素,去除冗余影响因素,可有效地预测矿井突水水源类型,使矿井突水水源预测模型错误率降低至1/12。
- 温廷新张波邵良杉
- 关键词:矿井突水
- 矿井突水水源识别的QGA-LSSVM模型被引量:15
- 2014年
- 为快速、有效地判别矿井突水水源,根据水化学特征,选取Ca2+,Mg2+,K++Na+,HCO-3,SO2-4,Cl-和总硬度等7个指标的质量浓度(mg/L)作为主要判别依据,并将其作为识别的变量。利用因子分析模型对数据进行属性约简,提取公共因子,减少判别指标之间信息交互,并利用量子遗传算法(QGA)对最小二乘支持向量机(LSSVM)的参数寻优,建立QGA-LSSVM水源识别模型。选取从新庄孜煤矿实测的33组数据作为训练数据,进行模型训练;另用12组数据作为测试数据,用该模型进行预测,并将结果与其他预测模型的结果进行对比。研究表明:利用因子分析模型提取的公共因子包含原变量因素中绝大部分信息,能减少信息冗余,利用QGA优化的LSSVM模型能使结果避免陷入极值,用该模型可有效地预测矿井突水水源类型,其错误预测率为0。
- 温廷新张波邵良杉
- 关键词:矿井突水