基于支持向量机的煤矿安全建模研究及应用PDF|Epub|txt|kindle电子书版本网盘下载

基于支持向量机的煤矿安全建模研究及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 基础理论1

1.1 最优化理论1

1.1.1 最优化问题的表示1

1.1.2 线性规划和非线性规划1

1.1.3 凸集和凸函数4

1.2 统计学习理论6

1.2.1 机器学习的问题表示6

1.2.2 经验风险最小化原则7

1.2.3 VC维9

1.2.4 结构风险最小化原则9

第2章 支持向量机理论11

2.1 最优分类超平面11

2.2 支持向量分类机12

2.2.1 线性分类12

2.2.2 近似线性分类13

2.2.3 非线性分类15

2.2.4 多类分类问题16

2.3 支持向量回归机17

2.3.1 SVM回归问题17

2.3.2 线性支持向量回归机18

2.3.3 非线性支持向量回归机20

2.4 核函数20

第3章 煤矿安全及支持向量机研究现状24

3.1 研究背景及意义24

3.1.1 研究背景24

3.1.2 研究意义28

3.2 国内外研究现状30

3.2.1 煤矿事故预测模型研究现状30

3.2.2 支持向量机研究现状32

3.3 常用预测模型34

3.3.1 时间序列模型35

3.3.2 灰色模型35

3.3.3 人工神经网络模型36

第4章 煤矿百万吨死亡率预测指标体系的建立37

4.1 煤矿百万吨死亡率影响因素的构成37

4.1.1 煤矿安全生产控制指标37

4.1.2 指标的下达方式及分解计算方法39

4.1.3 煤矿百万吨死亡率影响因子41

4.2 基于灰色关联分析的煤矿百万吨死亡率指标体系的建立42

4.2.1 灰色关联分析的基本特征43

4.2.2 灰色关联分析模型43

4.2.3 2004年煤矿百万吨死亡率关联分析46

4.2.4 2010年煤矿百万吨死亡率关联分析52

4.2.5 煤矿百万吨死亡率灰色关联分析结果对比58

4.3 基于改进的灰色关联煤矿百万吨死亡率指标体系的建立59

4.3.1 数据无量纲化处理方法的改进59

4.3.2 关联度加权改进算法61

4.3.3 煤矿百万吨死亡率改进灰色关联分析结果对比61

第5章 基于灰色模型的煤矿百万吨死亡率指标的测算64

5.1 煤矿百万吨死亡率GM（1,1）模型64

5.1.1 GM（1,1）模型建模机理64

5.1.2 GM（1,1）模型的检验65

5.2 煤矿百万吨死亡率Dm-GM（1,1）模型66

5.2.1 缓冲算子改进灰色模型的建立过程66

5.2.2 缓冲算子改进灰色模型的优点68

5.3 Dm-GM（1,1）模型在煤矿百万吨死亡率指标测算中的应用68

5.3.1 煤矿百万吨死亡率原始数据处理68

5.3.2 基于GM（1,1）模型的煤矿百万吨死亡率指标测算70

5.3.3 基于D-GM（1,1）模型的煤矿百万吨死亡率指标测算72

5.3.4 基于Dm-GM（1,1）模型的煤矿百万吨死亡率指标测算74

5.3.5 基于Dm-GM（1,1）模型的煤矿百万吨死亡率指标误差检验76

5.3.6 预测结果分析79

第6章 基于支持向量机的煤矿百万吨死亡率预测模型研究80

6.1 支持向量机模型的选择80

6.1.1 最小二乘支持向量机基本原理80

6.1.2 核函数的选取81

6.1.3 预测误差分析的指标82

6.1.4 LSSVM参数选择算法优劣的评价标准82

6.1.5 LSSVM参数的优化84

6.2 遗传算法（GA）优化LSSVM84

6.2.1 遗传算法84

6.2.2 遗传算法优化LSSVM85

6.3 粒子群（PSO）算法优化LSSVM86

6.3.1 粒子群算法理论86

6.3.2 粒子群算法优化LSSVM88

6.4 LSSVM煤矿百万吨死亡率预测89

6.4.1 煤矿百万吨死亡率样本数据的归一化处理89

6.4.2 煤矿百万吨死亡率模型参数选取93

6.4.3 煤矿百万吨死亡率训练样本预测97

6.4.4 煤矿百万吨死亡率测试样本预测99

6.5 Dm-GM（1,1）-LSSVM煤矿百万吨死亡率预测102

6.5.1 2010的未来两年指标灰色预测102

6.5.2 2010的未来两年煤矿百万吨死亡率Dm-GM（1,1）-LSSVM预测105

6.5.3 与其他预测方法的比较106

结束语109

一、主要工作与创新109

二、进一步研究方向110

参考文献111