基于SVM的煤与瓦斯突出区域预测研究

支持向量机是 20 世纪 90 年代中期兴起的基于结构风险最小化原理的机器学习技术,各项技术性能尤其是泛化能力具有明显优势。基于支持向量机构建了煤与瓦斯突出预测模型。首先,按 SVM 的二类划分最优分类面和样本混杂区的边界将特征空间细划为 3 个区域,由此建立了可将突出危险性划分为突出危险、突出威胁、安全 3个级别的煤与瓦斯突出的 SVM 模型。再将 SVM 的二类划分最优符号函数改为距离函数,用这个距离函数和混杂区尺寸 u1和 u2建立了突出危险性等级指标函数,在突出区侧的混杂区边界取值为 1,在非突出区侧的混杂区边界取值为-1。用此指标预测函数对潘一矿 13–1 煤层的 26 次实例突出样本和 34 个非突出样本作了分析研究,对大量参数和学习算法进行了学习和检验,获得了用于潘一矿 13–1 煤层的突出预测指标函数,结果表明用此方法可大大提高预测准确率,是一个科学可行的解决途径,具有广泛的应用前景。