王曦开题报告

西安科技大学硕士研究生学位论文开题报告1基于熵的改进支持向量机煤层瓦斯突出预测方法研究目录1课题的提出....................................................11.1研究的背景................................................11.2研究的目的和意义..........................................22国内外研究现状及发展趋势......................................22.1熵理论的发展..............................................22.2支持向量机理论的发展......................................32.3煤层瓦斯突出预警指标体系的发展............................52.3.1煤与瓦斯突出机理....................................52.3.2突出预报方法........................................62.3.3突出预测指标研究....................................83本文的研究内容和技术路线.....................................103.1研究内容.................................................103.2技术路线.................................................114可能的困难和问题.............................................115预期目标.....................................................126论文工作量和经费来源.........................................127研究进度安排.................................................128参考文献.....................................................12西安科技大学硕士研究生学位论文开题报告1基于熵的改进支持向量机煤层瓦斯突出预测方法研究1课题的提出1.1研究的背景我国煤炭产量占世界煤炭总产量的37%左右[1]，是一个名副其实的产煤大国；而煤炭在我国一次能源构成中占到70%左右[2]，又说明我国是一个煤炭消耗大国。由此可见，煤炭产业是我国经济的重要组成部分。但目前我国煤炭行业的安全形势却不容乐观。频繁发生的事故不仅给企业造成巨大的经济负担，也给国家和人民带来严重的心理创伤。而在我国煤炭事故中，瓦斯事故危害程度最大，造成的损失也最严重。新中国成立以来，死亡百人以上的煤矿事故中，95%为瓦斯事故。在我国724处国有重点煤矿中，高瓦斯矿井152处，占21.0％；煤与瓦斯突出矿井154处，占21.3％；低瓦斯矿井418处，占57.7％。45户煤矿安全重点监控企业中，高瓦斯和煤与瓦斯突出矿井250处，占45户煤炭企业矿井总数的60.4％。地方国有煤矿和乡镇煤矿中，高瓦斯和煤与瓦斯突出矿井占15％。随着开采深度的增加，瓦斯涌出量的增大，高瓦斯和煤与瓦斯突出矿井的比例还会增加，这种情况直接增加了瓦斯爆炸和煤与瓦斯突出的危险性[3]。下面是近几年我国煤矿事故的统计图[4]：1167106110441739744573707226121181993217113191084778699564346027593847463786321510152381553001000200030004000500060007000800020012002200320042005200620072008一次死亡10人以上瓦斯事故瓦斯事故事故总数图1近几年煤矿事故死亡人数统计2009年，我国煤矿可查事故共110起，死亡、失踪人员864人。其中煤与瓦斯突出16起，死亡212人；瓦斯燃烧、爆炸28起，死亡212人；瓦斯中毒、窒息事故16起，死亡86人；冒顶坍塌事故19起，死亡62人；机电事故7起，死亡29人；透水事故21起，死亡125人；其他事故3起，死亡45人[5]。西安科技大学硕士研究生学位论文开题报告2这些都说明了我国煤炭企业安全状况依然严峻。因此，如何在瓦斯事故发生之前对可能发生的危险进行科学地辨识、评价、预测和预警，并应用于煤矿企业，便成为当前煤矿安全生产中需要尽快解决的问题。1.2研究的目的和意义煤与瓦斯突出（简称突出）是煤矿的重大灾害之一，是煤矿井下生产过程中发生的一种异常复杂的动力现象，表现为大量的煤体和瓦斯突然抛向巷道空间，造成煤流埋人、巷道充满瓦斯、使人窒息，甚至引起瓦斯爆炸。各采煤国家投入了大量的人力物力，开展突出机理、预测及防治技术的研究，提出的关于突出机理的假说已有十几种，在一些方面取得了进展，但由于煤岩物理力学性质的非线性、岩体破坏形式的多样性和瓦斯赋存与运移过程的复杂性，对于突出的原因、过程及一些细节还不十分明确，现场存在着一些特殊的突出现象也无法解释，问题还远远没有得到解决。因此我们很有必要研究导致煤与瓦斯突出的影响因素，对突出危险性进行区域预测，对突出区域的煤与瓦斯突出危险性进行划分，从而在预测出的危险区域，采取行之有效的措施和方法，最终达到减少煤与瓦斯突出的目的。本文拟用支持向量机的相关知识对煤矿瓦斯状况进行分析和评估，从而判定特定区域有无瓦斯突出危险，为煤矿企业瓦斯防治工作提供一定依据。2国内外研究现状及发展趋势2.1熵理论的发展熵（Entropy）一词是在1865年由德国物理学家克劳修斯（K.Clausis）创立。他是在《热之唯动说》一书中为了将热力学第二定律格式化而引入这个概念的[6]。1912年，普朗克指出各种物质的完美晶体，在绝对零度时，熵为零，这就是热力学第三定律。1920年，路易斯（Lewis）和吉布逊（Gibson）提出对于过冷液体或内部运动未达平衡的纯物质（如NO，CO等），存在所谓的“残余熵”。到了19世纪末和20世纪初，杜亥姆（Duhem.P）、纳汤生（Natason.L）、乔门（Jaumann.G）、劳尔（Lohr.E），及20世纪40年代爱卡尔脱（Eckart.C）等的工作，将热力学第二定律与物质、能量和动量的变化联系起来，从而得到熵产生率，即由于不可逆过程而引起的熵随时间的变化。另一方面，在20世纪20年代，德唐得（deDonder.T）将化学反应亲和势与反应进度相结合，得到了化学反应的熵产生率。1931年，昂西安科技大学硕士研究生学位论文开题报告3萨格（Onsager.L）证明了倒易关系的存在，从而使非平衡态热力学的能动性有了实质性的飞跃。进一步由卡西米尔（Casimir.H.B.G）、梅克斯纳（Meixner）和普里高京（Prigogine.I）等将倒易关系与熵产生率结合，建立了不可逆过程的唯象理论，从而诞生了非平衡态热力学[7]。此外，薛定谔（Schrdinger）于1944年提出了负熵的概念，70年代普利高京则利用负熵的概念把封闭系统的热力学第二定律推广到开放系统。1948年，香农（Shannon）在BellSystemTechnicalJournal上发表了《通信的数学原理》（AMathematicalTheoryofCommunication）一文，将熵的概念引入信息论中，提出了信息熵的概念[8]。此后，国外学者开始将熵理论的知识应用到其他方面，如MatthiasDehmer等（2008）将其应用到分级网络技术的研究[9]；GregoryR.Bowman等（2008）提出的基于熵的结构预测模型[10]；JasonW.Locasale等（2009）将最大熵方法运用到定量蛋白质组学数据的动态网络模型重建[11]；MayankBhagat等（2009）运用小波熵进行大脑对于彩色闪动刺激反应的测定[12]；ChristopherJ.Rhodes等（2010）将进化熵的相关知识运用到流行病学模式的探讨之中[13]。1923年科学家普兰克首次将“熵”引入我国，随后我国涌现出了许多熵理论的研究学者，很多学者开始尝试着把这定义用在管理学的研究中，也有很多学者将熵应用在企业的知识治理、品牌文化扩散和企业效益评价等领域中。如纪福兴（1988）把熵理论运用到利用外资方面[14]；赵红州等（1991）提出了知识熵的概念，用来作为衡量物理定律知识单元混乱度的标志[15]；张成科（1998）将熵应用到水质模糊评价上[16]；赵佩华（1999）提出的熵理论与可持续发展[17]；李薇，龚声武等人（2008）利用熵技术进行安全培训质量的评价[18]；黎枫，陈亚宁等人（2010）将熵权应用到水资源的可持续评价中[19]；桂文林，韩兆洲等人（2010）提出了基于熵的中国股市极值风险测度[20]。2.2支持向量机理论的发展1995年，Vapnik出版的《统计学习理论》[21]专著中提出了支持向量机（SupportVectorMachine，SVM）方法，并在其统计学理论专著[22]中详细地介绍了基于支待向量机的回归方法和信号处理方法。支持向量机是一种在统计学习理论的基础上发展起来的新的通用学习方法，能非常成功地处理回归问题（时间序列分析）和模式识别（分类问题、判别分析）等诸多问题，并可推广于预测和综合评价等西安科技大学硕士研究生学位论文开题报告4领域。随着对支持向量机的深入研究，Scholkopf提出了v-SVM[23]，Suykens提出了LS-SVM（LeastSquaresSVM）[24]，Osuna提出的分块（Chunking）算法，Platt提出了序贯最小优化（SequentialMinimalOptimization，SMO）算法，Chen等通过对SMO的分析提出了SMO的分解算法，从而使算法更合理、运算速度更快。随着支持向量机的理论不断完善，其应用方面的研究也越来越多，主要集中在模式识别、回归分析和概率密度估计等领域。在模式识别方面最突出的应用研究是贝尔实验室对美国邮政手写数字库进行的实验，用SVM方法得到的识别结果明显优于决策树和多层神经网络。SVM在时间序列分析和回归分析等领域的应用属于现阶段比较前沿的应用研究，例如：混沌时间序列的支持向量机预测模型；利用SVM来解决非线性系统的控制问题；SVM识别单一视觉的三维物体问题等。与其它技术进行比较，线性SVM表现出了可喜的效果，此外，SVM在概率密度估计的应用领域中也表现了良好的性能。国内诸多学者积极支持向量机的研究和推广。如张学工、许建华、李国正等人翻译出版了Vapnik的关于统计学习理论和支持向量机的经典著作[21-22]；邓乃扬、田英杰出版了《数据挖掘中的新方法支持向量机》[25]；李建民、张钹（2003）等提出了序贯最小优化的改进算法[26]；周水生等（2004）提出了训练支持向量机的低维Newton算法[27]；王玲等（2005）人在隐空间中采用最小二乘损失函数，提出了最小二乘隐空间支持向量机[28]；张翔等（2006）基于样本之间紧密度提出了模糊支持向量机[29]；杨绪兵等（2007）提出了基于广义特征值的最接近支持向量机（GEPSVM）[30]等。许多学者也将支持向量机应用到矿业工程领域。如杨凌霄，沈鹰等（2006）进行了基于支持向量机的煤与瓦斯突出预测研究[31]；梅灿华、李明（2007）提出了基于支持向量机的瓦斯传感器资料验证方法[32]；闫志刚、白海波等（2008）提出了一种新型矿井突水分析与预测的支持向量机模型[33]；师旭超、韩阳（2009）提出了煤与瓦斯预测的支持向量机模型[34]；崔邯龙、李海涛、孟文清（2009）提出了综掘工作面瓦斯涌出量的支持向量机预测