基于事故表征和案例推理的煤矿瓦斯爆炸预测研究

为更好地通过案例预测煤矿瓦斯爆炸事故结果,在融合事故树分析和防御性悲观思想后,提出煤矿瓦斯爆炸事故表征方法,包括事故表征结构模型、表征规范和案例库编码规则;为提升案例推理精度,通过专家置信度改进层次分析法的主观影响,提出针对不同类型表征信息的相似度计算方法,引入时间衰退系数修正案例时效性。通过山西某煤矿瓦斯爆炸事故案例对该方法进行验证,结果表明,该方法的预测结果与实际结果相吻合,并能推荐事故预防措施。研究结果可为煤矿安全管理提供支持。

基于KPCA-WOA-SVM的住宅工程造价预测

在项目决策阶段,准确预测住宅工程造价对提高工程项目决策的科学性至关重要,引入人工智能及机器技术能进一步提高预测的精准度。通过文献梳理,确定决策阶段住宅工程造价的影响指标,用核主成分分析(KPCA)对影响指标进行降维,利用鲸鱼优化算法(WOA)确定支持向量机(SVM)的惩罚参数与核参数,最终构建基于KPCA-WOA-SVM的住宅工程造价预测模型。采用江苏省近5年的70组住宅工程造价数据对模型进行验证,结果表明:与BP神经网络模型、SVM模型和WOA-SVM模型相比,KPCA-WOA-SVM模型预测精准度更高,适用性更好。

白酒营销管理研究的新视野与新成果——《大型商超白酒销售业绩影响因素研究》书评

针对大型商超白酒销售业绩影响因素的研究空缺与现实问题,《大型商超白酒销售业绩影响因素研究》从系统论的视角,融合三个经典营销分析框架,围绕商超的独特情境特征和白酒的多维文化属性,识别因素间结构关系,建立适用于大型商超的白酒销售业绩影响因素理论模型。在此基础上,构建销售业绩影响因素指标体系,应用大润发连锁超市23家门店的用例白酒销售数据进行实证分析,识别关键影响因素,揭示销售业绩提升策略的着力点。该书的研究成果不仅有利于经验累积和理论发展,同时对于相关学者、企业决策者及实践者具有重要的借鉴意义和启示价值。

基于改进HHO⁃LSTM的滚动轴承故障诊断研究

为了解决滚动轴承故障诊断问题,提出一种将改进哈里斯鹰优化(Harris Hawks Optimization,HHO)算法和长短时记忆(Long Short⁃Term Memory,LSTM)网络相融合的智能诊断模型IHHO⁃LSTM。HHO算法在求解过程中容易陷入局部最优、收敛缓慢,基于这些问题引入Cauchy分布函数和模拟退火(Simulated Annealing,SA)算法,拓展全局搜索的广泛性,避免陷入局部最优。运用改进的HHO算法快速确定LSTM模型的最优超参数值,从而提高时序诊断精度。利用凯斯西储大学滚动轴承实验数据进行故障诊断实验,结果表明,IHHO⁃LSTM模型能够实现对滚动轴承的特征提取和故障诊断,模型准确率高达近97%。

人因视角下煤矿机电事故致因分析

为从人因视角探索煤矿机电事故致因内在联系,提出一种融合人因分析与分类系统和复杂网络的机电事故致因分析方法。首先运用改进的人因分析与分类系统识别事故致因和致因链,构建出事故致因网络;其次将各指标标准化后识别关键致因,并引入致灾率和脆弱度识别关键致因链;最后构建出不安全行为演化路径。结果表明:煤矿机电事故致因网络具有小世界特性,事故致因间连锁效应明显;事故关键致因为组织安全监督不充分和机电管理混乱,关键致因链为安全教育不足导致的个体安全意识差,组织因素是矿工不安全行为演化路径的源头。

基于改进合成规则的通风系统可靠性

为提高矿井通风系统中指标的信息利用率,有效解决因指标多面性与模糊性所造成的评价结果不精确问题,提出一种基于改进合成规则的通风系统可靠性评价模型。根据《煤矿安全规程》与可靠性原理,结合常村煤矿通风系统特点,从员工素质、通风动力、通风网络、通风设施、作业环境、监控设施设备、防灾自救系统和通风管理8个方面建立矿井通风系统可靠性指标体系。采用D-S证据理论建立等级识别框架,利用正态隶属函数求取各指标的基本概率分配。引入改进的证据合成规则对指标层、准则层以及决策层进行融合,得到矿井通风系统可靠性等级结果。研究结果表明:常村煤矿矿井通风系统可靠性等级为Ⅱ级,与实际情况相符。研究结论为通风系统可靠性评价提供了新方法。

自贸区试点政策对地区碳排放的影响效应——基于省际面板数据的实证分析

在“双碳”目标背景下,重视地区碳排放是自贸区推动地区可持续发展的基础保障。本文选取2007—2019年中国30个省(区、市,未包括港澳台及西藏)的面板数据,采用双重差分法研究了自贸区试点政策对地区碳排放的影响效应。研究表明:自贸区试点政策有利于降低地区碳排放。中介效应分析表明:自贸区试点政策通过提高地区产业结构高级化、提升地区绿色技术创新水平,进而实现碳减排效果。异质性分析表明,相对于非沿海地区,自贸区试点政策在沿海地区的实施对降低地区碳排放效果更加显著。根据以上研究结论,提出以下相应的政策建议:简政提效,助力地区产业结构快升级;产研结合,优化绿色技术创新大环境;因地制宜,构筑优势产业培育新高地。

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明:MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。

基于MIV-IPFA-ELM的矿井突水水源识别模型

为提高矿井突水水源识别准确率,提出一种基于MIV-IPFA-ELM的矿井突水水源识别模型。利用改进的探路者算法(IPFA)对极限学习机(ELM)的参数进行寻优,构建IPFA-ELM判别模型;采用平均影响值(MIV)方法计算各判别指标平均影响贡献率,根据计算结果剔除影响贡献率较低的判别指标;将筛选后的判别指标作为输入向量重新对模型进行训练,构建MIV-IPFA-ELM模型。以秦南矿井的实测水源数据为例,借助SMOTE算法生成类平衡实验数据集,并以该数据集验证构建模型的有效性,将实验结果与其他模型相比较。研究结果表明:MIV-IPFA-ELM模型的平均预测准确率为96.33%,远高于其他模型的预测准确率,均方误差为0.129,平均绝对误差为0.0625,较其他对比模型有明显的降低。

基于多模型融合的不完整数据分数插补算法

缺失数据插补是从不完整数据集中进行数据挖掘的重要步骤,现有插补算法无法有效利用高缺失率的样本,存在等效处理缺失率不同的样本、假设缺失数据与完整数据同分布问题。构建基于多模型融合的不完整数据分数插补算法FIB。根据噪声标签学习,提出新的样本评分方式,以输出样本分数,通过建立机器学习模型将该分数作为分数样本权重,减小不可靠样本对模型性能的影响,并借鉴伪标签技术,使用高缺失率样本生成伪标签数据。将伪标签数据扩充至插补结果,形成待合并的单元插补结果,利用多个插补算法将单元插补结果融合生成最终插补结果。在12个公开UCI数据集上的实验结果表明,相比传统插补算法,使用样本评分、生成伪标签数据及多模型融合这3种新技术使插补效果分别平均相对提升2.35%、5.89%及7.78%,相比DIM,FIB的平均准确率相对提升8.39%。此外,随着模型个数的增加,插补效果也会相应增加,对于分类任务,5个模型融合的插补效果比2个模型的准确率平均相对提升11%,对于回归任务,R2得分平均相对提升15%。

基于ISSA-ELM的煤与瓦斯突出危险等级预测

为提高煤与瓦斯突出危险等级预测的准确性,提出改进麻雀搜索算法(ISSA)优化极限学习机(ELM)的煤与瓦斯突出预测模型。首先,选用60组煤与瓦斯突出数据作为数据样本,采用主成分分析法(PCA)对其影响因素进行降维处理。然后,利用ISSA算法优化ELM算法的参数,建立ISSA-ELM模型。最后,选取样本后15组作为测试样本来验证模型的有效性,并与其他模型进行对比。研究结果表明:ISSA-ELM模型具有预测准确率更高、收敛速度更快和稳定性更佳等优点。研究结果可为煤与瓦斯突出危险等级准确判别提供参考。

矿井突水水源识别的主成分分析-混沌麻雀搜索-RF模型

为快速、准确地识别矿井突水水源,根据矿井不同含水层水化学成分的差异性,将Na^(+)+K^(+)、Ca^(2+)、Mg^(2+)、Cl^(-)、SO_(4)^(2-)、HCO_(3)^(-)及总硬度作为判别指标。利用主成分分析(Principal Component Analysis,PCA)对数据进行降维,并通过混沌麻雀搜索算法(Chaotic Sparrow Search Algorithm,CSSA)对随机森林(Random Forest,RF)模型中树深和树数目参数进行寻优,建立了基于PCA-CSSA-RF的矿井突水水源识别模型。选取新庄孜矿实测的45组样本数据进行预测分析,33组数据用于模型训练,12组数据用于识别测试,并将结果与其他模型识别结果进行对比。研究表明,利用PCA对数据进行降维可以减少原始数据中的冗余,利用CSSA优化的RF模型可提高全局搜索能力和预测能力,用该模型可提高突水水源识别的效率和准确率。

基于博弈论偏序集的煤矿瓦斯爆炸风险评价模型研究

准确评价煤矿瓦斯爆炸风险是预防与控制瓦斯爆炸事故的重要前提。基于偏序集理论,提出瓦斯爆炸风险的博弈论偏序集评价模型。依据分级准则划分风险安全等级,对影响瓦斯爆炸风险因素进行综合分析,最终选取通风设施设备、瓦斯涌出量、风量供需比、安全教育与培训等14项指标(记为y_(1)-y_(14))构成模型的指标集合并进行博弈论优化。运用该模型对20个矿井样本(记为A1-A20)进行风险等级评价,结果表明:模型评价结果的Hasse图表达较为准确。偏序集模型中的各指标权重ω经博弈论法优化后均处于平衡状态,保证了偏序关系的转化,充分发挥出偏序集评价模型中若指标权重次序固定评价结果稳健这一特性。为煤矿瓦斯爆炸风险的评价提供了一种新思路。

露天采矿爆破振动对民房破坏的LS-SVM预测模型

利用支持向量机学习原理,研究露天采矿爆破振动对民房破坏的预测问题。选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量和场地条件作为露天采矿爆破振动对民房破坏的影响因素,以工程实际检测数据为训练样本,建立露天采矿爆破振动对民房破坏的LS-SVM预测模型。利用32组爆破实验数据作为学习样本对支持向量机进行训练,建立相应的预测模型并通过回代估计方法进行回检,误判率为0,用另外12组现场实验数据作为检验样本进行测试,测试结果良好。结果表明,LS-SVM预测方法的误判率低,判别精度高,为露天采矿爆破振动对民房破坏预测提供了一种行之有效的新方法,可以在实际相关工程中展开使用。

因子分析与支持向量机相结合的煤炭自燃预测

针对煤炭自然发火预测问题,将因子分析理论与支持向量机算法相结合,构建了煤炭自燃的预测模型.采用SPSS软件对所选取预测煤炭自燃的8个指标进行因子分析,提取出4个主要因子,利用Matlab实现支持向量机模式识别,通过实际数据对模型训练与检验.研究结果表明:经因子分析降维后的SVM预测准确率高于未经因子分析的SVM预测结果,并验证了因子分析与支持向量机相结合可以较高精度实现对煤炭自燃的预测.

露天采矿爆破振动对民房破坏的SVM预测模型

针对爆破振动效应评价中众多指标不确定性问题,基于支持向量机(SVM)原理和爆破振动对民房破坏的10个指标(爆破振动幅值、主频率持续时间、房屋高度等),利用Logistic回归分析理论,分析各指标与民房安全级别的关系,最终选取3个主要指标,建立露天采矿爆破振动对民房破坏的SVM预测模型。以32组实测数据作为学习样本对该模型进行训练。采用回代估计法对该模型进行回检,误判率为0。利用对小样本数据有较好预测性能的该模型进行另外12组检验样本的预测。结果表明:经回归分析,指标个数缩减,相关性降低,SVM运算效率提高,回估误判率为16.667%。

PSO-BP神经网络在露天矿卡车油耗预测中的应用

针对露天矿燃油消耗问题,利用粒子群优化算法对BP网络的权值和偏置进行优化,建立了基于粒子群优化BP神经网络的露天矿卡车油耗量预测网络模型.该方法使用由PSO优化的BP模型来拟合影响露天矿卡车油耗众多因素与油耗值之间的复杂关系.仿真结果表明:模型具有预测精度高、稳定性好等特点,适用于露天矿卡车油耗的预测,在露天矿燃油消耗预测中具一定的实用价值.

基于数据融合理论的煤矿瓦斯动态预测技术

针对煤矿瓦斯预测中存在的问题,提出了一种以数据融合理论为基础,利用贝叶斯估计方法和自适应加权进行信息处理和数据融合,利用Dempster-Shafer证据理论解决瓦斯预测过程中的不确定性和不精确性问题,并综合考虑煤矿井下瓦斯浓度等相关参数的新方法,实现了对瓦斯状态信息的在线整合,优化了预测参数,提高了煤矿瓦斯预测预报的准确性.该方法从整体上确立了同源数据的完备性,实现了煤矿瓦斯的动态预测.

遗传算法优化的GM(1,1)模型研究

为提高GM(1,1)模型预测精度,文章分析了模型中背景值构造与预测结果误差的关系,并总结了背景值改进研究的相关成果。采用权值序列替换原模型背景值构造公式中的单一权值,建立了GA-GM(1,1)预测模型,利用遗传算法迭代寻优获得的一组最优权值序列来构造背景值,以提高模型精度。用两组数据进行GA-GM(1,1)模型与GM(1,1)模型的对比实验,结果表明GA-GM(1,1)具有更小的预测误差,验证了该模型的有效性。

AHP法虚拟企业合作伙伴选择

针对虚拟企业合作伙伴选择问题,在选择的三阶段结构化模型的基础上提出了伙伴选择的评价指标体系,给出了一种基于层次分析法的多目标决策评价策略,结合具体虚拟企业进行了10个伙伴10项指标实例分析,筛选出8个可合作伙伴,并用这8个可合作伙伴的现状及发展前景,验证了层次分析法的多目标决策评价策略科学性和有效性。