基于优化Bagging-LSSVM 模型的冲击地压预测

doi:10.16265/j.cnki.issn1003-3033.2017.06.021

中国安全科学学报 ›› 2017, Vol. 27 ›› Issue (6): 121-126.doi: 10.16265/j.cnki.issn1003-3033.2017.06.021

基于优化Bagging-LSSVM 模型的冲击地压预测

温廷新^1,2 教授, 陈晓宇¹, 杨红玉², 窦融², 田煜晨²

1 辽宁工程技术大学系统工程研究所,辽宁葫芦岛 125105
2 辽宁工程技术大学工商管理学院,辽宁葫芦岛 125105

收稿日期:2017-02-16 修回日期:2017-04-14 发布日期:2020-10-16
作者简介:温廷新 (1974—),男,山西太谷人,博士研究生,教授,硕士生导师,主要从事数据挖掘、信息系统,采矿工程等方面的研究。E-mail:wen_tx@163.com。
基金资助:
国家自然科学基金资助(71371091); 辽宁省高等学校杰出青年学者成长计划项目(LJQ2012027)。

Research on prediction of rock burst based on optimized Bagging-LSSVM model

WEN Tingxin^1,2, CHEN Xiaoyu¹, YANG Hongyu², DOU Rong², TIAN Yuchen²

1 System Engineering Institute, Liaoning Technical University, Huludao Liaoning 125105,China
2 School of Business Administration, Liaoning Technical University, Huludao Liaoning 125105,China

Received:2017-02-16 Revised:2017-04-14 Published:2020-10-16

摘要/Abstract

摘要： 为准确预测冲击地压危险性,提出一种优化Bagging算法动态集成的最小二乘支持向量机(LSSVM)的预测模型。在设计和优化Bagging-LSSVM模型流程的基础上,引入经典分类数据集,验证模型的可行性,并通过试验得出实现模型最优分类条件下的基分类模型数的最小值。综合考虑冲击地压的主要影响因素,确定其评判指标;以重庆砚石台煤矿的35组实测数据为试验样本,利用核主成分分析(KPCA)消除指标间的相关性,对比分析样本数据处理前后应用模型的预测效果;比较优化Bagging-LSSVM模型、优化Bagging-SVM模型和LSSVN模型预测冲击地压危险性的准确率。结果表明:经KPCA处理后的样本相较于原始样本,其应用于优化Bagging-LSSVM模型的预测准确率更高,耗时更少;且优化Bagging-LSSVM模型预测冲击地压危险性的准确率高于其他模型。

关键词: 冲击地压, 危险性, 最小二乘支持向量机(LSSVM), 优化Bagging-LSSVM, 核主成分分析(KPCA)

Abstract: To predict rock burst risk classification accurately, an optimized Bagging-LSSVM prediction model was built. On the basis of designing and optimizing the algorithm flow of Bagging-LSSVM, a set of classical classification datasets was introduced to the experiment. A minimum number was obtained experimentally for basic classification model's number in meetting optimal classification. Main factors affecting rock burst were identified to futher determine the evaluation indexes. Then 35 groups of measured data provided by the Chongqing Yanshitai mine were used, as samples to test. Correlations among original sample indexes were eliminated by using KPCA. Then the rock burst prediction accuracy comparison was made among the optimized Bagging-LSSVM model, optimized Bagging-SVM model and LSSVM model. It is turned out that forecasting accuracy by the optimized Bagging-LSSVM model is greater than those by others.

Key words: rock burst, risk, least squares support vector machine(LSSVM), optimized Bagging-LSSVM, kernel principal component analysis(KPCA)

中图分类号:

X913.4

温廷新, 陈晓宇, 杨红玉, 窦融, 田煜晨. 基于优化Bagging-LSSVM 模型的冲击地压预测[J]. 中国安全科学学报, 2017, 27(6): 121-126.

WEN Tingxin, CHEN Xiaoyu, YANG Hongyu, DOU Rong, TIAN Yuchen. Research on prediction of rock burst based on optimized Bagging-LSSVM model[J]. China Safety Science Journal, 2017, 27(6): 121-126.

参考文献

[1] 张宏伟,朱峰,韩军,等. 冲击地压的地质动力条件与监测预测方法[J]. 煤炭学报,2016,41(3):545-551.
ZHANG Hongwei, ZHU Feng, HAN Jun, et al. Geological dynamic conditions and forecast technology for rock bursts[J]. Journal of China Coal Society, 2016, 41(3):545-551.
[2] 兰天伟,张宏伟,李胜,等. 矿井冲击地压危险性预测的多因素模式识别[J]. 中国安全科学学报,2013,23(3):33-38.
LAN Tianwei, ZHANG Hongwei, LI Sheng,et al.Multi-factor pattern recognition method for predicting mine rock burst risk[J]. China Safety Science Journal, 2013, 23(3):33-38.
[3] 陶慧,马小平,乔美英. 基于多变量混沌时间序列的冲击地压预测[J]. 煤炭学报,2012,37(10):1 624-1 629.
TAO Hui, MA Xiaoping, QIAO Meiying. Rock burst prediction based on multivariate chaotic time series[J]. Journal of China Coal Society, 2012, 37(10):1 624-1 629.
[4] 张晓明,卢钢,毕建武. 冲击地压Fisher判别分析预测[J]. 辽宁工程技术大学学报:自然科学版,2014,33(3):313-316.
ZHANG Xiaoming, LU Gang, BI Jianwu. Prediction of rock burst based on Fisher discriminant analysis[J]. Journal of Liaoning Technical University:Natural Science, 2014, 33(3):313-316.
[5] 史策,高峰,陈连城,等. 煤矿冲击地压预测的PCA-GRNN方法[J]. 中国安全科学学报, 2016,26(7):119-124.
SHI Ce, GAO Feng, CHEN Liancheng, et al. Prediction of pressure bump in coal mine by PCA-GRNN[J]. China Safety Science Journal, 2016, 26(7):119-124.
[6] SUYKENS J A K, VANDEWALLE J.Least squares support vector machine classifiers[J]. Neural Processing Letters, 1999, 9(3):293-300.
[7] BRERIMAN L. Bagging prediction[J]. Machine Learning, 1996,24(2):123-140.
[8] VAPNIK V N. Statistical learning theory[M]. New York:Addison Wiley,1998:379-399.
[9] University of California Irvine. Machine learning repository [EB/OL]. [1988-07-01]. http://archive.ics.uci.edu/ml/datasets.
[10] 史峰,王辉,郁磊,等. Matlab智能算法30个案例分析[M]. 北京:北京航空航天大学出版社,2011:269-275.
SHI Feng, WANG Hui, YU Lei, et al. Matlab intelligent algorithm 30 case analysis[M]. Beijing:Beihang University Press, 2011:269-275.
[11] 钱七虎. 岩爆、冲击地压的定义、机制、分类及其定量预测模型[J]. 岩土力学,2014,35(1):1-6.
QIAN Qihu. Definition, mechanism, classification and quantitative forecast model for rock burst and pressure bump[J]. Rock and Soil Mechanics, 2014, 35(1):1-6.
[12] 朱卓慧,赵伏军,叶州元. 基于距离判别分析法的冲击地压预测研究[J]. 中国安全科学学报,2008,18(3):41-45.
ZHU Zhuohui, ZHAO Fujun, YE Zhouyuan. Prediction of rock burst based on distance discriminant analysis method[J]. China Safety Science Journal, 2008, 18(3):41-45.

[1]	张青松, 刘添添, 白伟. 加热方式对锂离子电池热失控行为影响^*[J]. 中国安全科学学报, 2021, 31(9): 44-51.
[2]	欧阳振华, 周鑫鑫, 孙秉成, 易海洋, 刘旭东, 周然然. 近直立煤层冲击地压自保护卸压机制与防控^*[J]. 中国安全科学学报, 2021, 31(4): 64-71.
[3]	金智新, 刘倩, 邓存宝, 王延生. 生产安全事件随机-模糊耦合的危险性度量[J]. 中国安全科学学报, 2021, 31(1): 1-7.
[4]	吕鹏飞, 张显荣, 邱林, 陈光波, 王二雨. 尖角煤柱影响下旋采面冲击地压危险分析与防治[J]. 中国安全科学学报, 2020, 30(8): 158-163.
[5]	李易安, 骆正山. 基于KPCA-ICS-ELM算法的埋地管线土壤腐蚀深度预测[J]. 中国安全科学学报, 2020, 30(12): 100-105.
[6]	温廷新, 李洋子. 基于预处理的AFOA-ELM冲击地压危险预测模型[J]. 中国安全科学学报, 2019, 29(8): 29-34.
[7]	裴兴旺, 李慧民, 李文龙, 孟海, 李轩. 基于熵权物元可拓的桥梁检测作业危险性评价[J]. 中国安全科学学报, 2019, 29(8): 42-48.
[8]	代树红, 李硕, 张寅, 陈晨. 倾斜煤层断顶卸压模型试验研究[J]. 中国安全科学学报, 2019, 29(3): 102-107.
[9]	周宇, 苏磊, 谢传欣. 氧化石墨烯制备工艺危险性研究[J]. 中国安全科学学报, 2019, 29(3): 127-132.
[10]	毕娟, 李希建, 陈刘瑜. 预测冲击地压危险性等级R型因子Fisher判别[J]. 中国安全科学学报, 2019, 29(12): 103-109.
[11]	王超, 李岳峰, 张成良, 刘磊, 黄许超. 煤冲击倾向性分类模型的指标无量纲化影响研究[J]. 中国安全科学学报, 2019, 29(11): 20-25.
[12]	张树光, 陈雷. 冲击地压巷道塑性区本构模型及影响因素研究^*[J]. 中国安全科学学报, 2019, 29(11): 141-148.
[13]	韩波, 李刚, 马赫, 苑春苗. 机械加工伴生粉尘爆炸危险性分析[J]. 中国安全科学学报, 2018, 28(9): 51-55.
[14]	毛志勇, 黄春娟, 路世昌, 韩榕月. 基于KPCA-MPSO-ELM的矿井突水水源判别模型[J]. 中国安全科学学报, 2018, 28(8): 111-116.
[15]	史俊伟, 孟祥瑞, 吴昌友, 贾晓珊. GRA-SPA熵权决策模型在冲击地压风险评价中的应用[J]. 中国安全科学学报, 2018, 28(6): 173-178.

基于优化Bagging-LSSVM 模型的冲击地压预测

Research on prediction of rock burst based on optimized Bagging-LSSVM model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价