RS-SVM组合模型下煤矿安全风险预测

被引：22

作者：

汪莹

蒋高鹏

机构：

[1] 中国矿业大学(北京)管理学院

来源：

中国矿业大学学报 | 2017年 / 46卷 / 02期

关键词：

粗集; 遗传算法; 属性约简; RS-SVM; 风险预测;

D O I：

10.13247/j.cnki.jcumt.000656

中图分类号：

TD79 [劳动安全]; TP18 [人工智能理论];

学科分类号：

081903 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对煤矿安全风险预测的可靠性与效率问题,构建了基于粗集-支持向量机(RS-SVM)的煤矿安全风险预测模型.在不改变样本分类质量的条件下,运用RS方法作为预处理器约简特征参数,然后基于SVM方法进行分类建模.以煤矿瓦斯爆炸风险预测为例,从人员、环境、设备及管理4方面建立煤矿安全生产预警指标体系.利用遗传算法进行RS粗糙集属性约简,将初始风险因子由31项剔除为5项.将得到的约简集作为新的论域,并基于约简集利用SVM进行样本训练,通过回判法对30个训练样本的计算结果进行验证,得出SVM模型精确可靠的结论.进而利用5个预测样本得到其2015年瓦斯爆炸的风险预测结果,与实际情况完全相符.表明本文建立的RS-SVM组合预测模型对煤矿安全风险预测具有良好的指导作用.

引用

页码：423 / 429

页数：7

共 13 条

[1]

煤矿安全事故成因分析及预警管理研究.[D].胡冬红.中国地质大学.2010, 04

[2] Priority-sequence of mineral resources' development and utilization based on grey relational analysis method [J].

Wang Ying ;

Zhang Chang ;

Jiang Gaopeng .

INTERNATIONAL JOURNAL OF MINING SCIENCE AND TECHNOLOGY, 2016, 26 (03) :395-400

[3]

Evaluating the risk of coal bursts in underground coal mines.[J].Mark Christopher;Gauna Michael;.International Journal of Mining Science and Technology.2016, 01

[4] 煤矿企业安全管理风险预测模型研究——基于RS-SVM [J].