基于SVM的煤与瓦斯突出区域预测研究.pdf

第24卷第2期岩石力学与工程学报Vol.24No.2
2005年1月ChineseJournalofRockMechanicsandEngineeringJan.，2005

基于SVM的煤与瓦斯突出区域预测研究

南存全1，2，冯夏庭1

(1.东北大学资源与土木工程学院，辽宁沈阳110004；2.辽宁工程技术大学资源与环境工程学院，辽宁阜新123000)

摘要：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。
关键词：采矿工程；支持向量机；煤与瓦斯突出；区域预测；突出危险性等级指标函数
中图分类号：TD713文献标识码：A文章编号：1000–6915(2005)02–0263–05

COALANDGASOUTBURSTAREAPREDICTIONUSING
SUPPORTVECTORMACHINES

NANCun-quan1，2，FENGXia-ting1
(1.SchoolofResourcesandCivilEngineering，NortheasternUniversity，Shenyang110004，China；
2.CollegeofResourcesandEnvironmentEngineering，LiaoningTechnicalUniversity，Fuxin123000，China)

Abstract：Supportvectormachines(SVM)isamachinelearntechniquesprangupinthemiddle90softhe20th
centurybasedonthestructuralriskminimizationtheory.Ithasmanydistinctadvantagesofeachtechnique
capabilities，inparticularofthegeneralizationability.Thispaperpresentsadevelopmentmethodforcoalandgas
outburstareaforecastonthebasisoftheSVMtechnique.Firstly，thecharacterspaceisdividedintothreeregions
accordingtotheoptimalclassificationfaceoftheSVMmodelandtheboundariesofthemixedsamplespace.The
levelsofdanger，threat，andsafetyofcoalandgasoutburstarethenconstructedwithSVMalgorithms.In
addition，theoptimalsymbolfunctionoftheSVMisconvertedintothedistancefunctiontogetherwiththe

dimensionofmixedu1andu2levels.Thevalue－1and+1arespecifiedontheboundariesoftheoutburstand
no-outburstboundariesofmixedregions，respectively.ThedangerlevelindexvaluesvarylinearlywiththeD(x)
function.Thistechniquewasappliedto26outbursteventsand34no-outbursteventsfrom13–1coalseamin
Panyicoalmine，andanumberofparametersandlearningarithmeticareachieved.Theresultsindicatethatthis
methodcangreatlyincreasethefo