摘要
为了提高煤矿瓦斯爆炸灾害风险识别能力,提出通过典型样本和模式识别(PR)模型构建识别库进行风险识别的方法。在以径向基函数(RBF)为核函数的支持向量机(SVM)模型基础上,应用粒子群优化算法(PSO)优化模型参数,建立瓦斯爆炸灾害风险识别的PSO-SVM模型;构建风险识别指标体系,确定风险模式类别,并以指标风险类别分界点为基础,提出新的数据规范方法;用典型样本训练和测试PSO-SVM模型,样本识别率为100%,表明以典型样本和PSO-SVM模型构建的识别库对瓦斯爆炸灾害风险有较强的识别能力,同时指出典型样本库应不断补充完善以增强其适应能力。
To improve the risk identification of gas explosion disaster in coal mines,an approach was made to combination of a model for gas explosion pattern recognition with typical risk samples of gas explosions.A PSO-SVM model was built for the risk identification.The PSO-SVM model was trained and tested with the typical samples,the recognition rate of the sample was 100%.
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2013年第5期38-43,共6页
China Safety Science Journal
基金
国家自然科学基金资助(51274100
50774033
51174086)
湖南省教育厅科研项目(10C0690)
煤矿安全开采技术湖南省重点实验室项目(201002)