《基於支持向量機的煤礦安全建模研究及套用》是2015年西安電子科技大學出版社出版的圖書，作者是周華平。
基本介紹
- 書名：基於支持向量機的煤礦安全建模研究及套用
- 作者：周華平
- ISBN：978-7-5606-3541-5
- 定價：21.25元
- 出版社：西安電子科技大學出版社
- 出版時間：2015-01
內容簡介,目錄,
內容簡介
本書利用灰色關聯分析方法、基於Vague思想的[-1, 1]線性生成運算元的數據無量綱化處理方法和基於煤炭產量的關聯度加權的兩種改進灰色關聯分析方法，建立了煤礦百萬噸死亡率預測指標體系；引入了基於緩衝運算元的灰色預測模型，對煤礦百萬噸死亡率預測的指標進行了測算；提出了基於一種多階灰色、最小二乘支持向量機的煤礦百萬噸死亡率組合預測新模型DmGM(1, 1)LSSVM。
本書適合高等院校高年級本科生、研究生、教師以及相關領域的科技工作者使用。
目錄
第1章 基礎理論 （1）
1.1 最最佳化理論 （1）
1.1.1 最最佳化問題的表示 （1）
1.1.2 線性規劃和非線性規劃 （1）
1.1.3 凸集和凸函式 （4）
1.2 統計學習理論 （6）
1.2.1 機器學習的問題表示 （6）
1.2.2 經驗風險最小化原則 （7）
1.2.3 VC維 （9）
1.2.4 結構風險最小化原則 （9）
第2章 支持向量機理論 （11）
2.1 最優分類超平面 （11）
2.2 支持向量分類機 （12）
2.2.1 線性分類 （12）
2.2.2 近似線性分類 （13）
2.2.3 非線性分類 （15）
2.2.4 多類分類問題 （16）
2.3 支持向量回歸機 （17）
2.3.1 SVM回歸問題 （17）
2.3.2 線性支持向量回歸機 （18）
2.3.3 非線性支持向量回歸機 （20）
2.4 核函式 （20）
第3章 煤礦安全及支持向量機研究現狀 （24）
3.1 研究背景及意義 （24）
3.1.1 研究背景 （24）
3.1.2 研究意義 （28）
3.2 國內外研究現狀 （30）
3.2.1 煤礦事故預測模型研究現狀 （30）
3.2.2 支持向量機研究現狀 （32）
3.3 常用預測模型 （34）
3.3.1 時間序列模型 （35）
3.3.2 灰色模型 （35）
3.3.3 人工神經網路模型 （36）
第4章 煤礦百萬噸死亡率預測指標體系的建立 （37）
4.1 煤礦百萬噸死亡率影響因素的構成 （37）
4.1.1 煤礦安全生產控制指標 （37）
4.1.2 指標的下達方式及分解計算方法 （39）
4.1.3 煤礦百萬噸死亡率影響因子 （41）
4.2 基於灰色關聯分析的煤礦百萬噸死亡率指標體系的建立 （42）
4.2.1 灰色關聯分析的基本特徵 （43）
4.2.2 灰色關聯分析模型 （43）
4.2.3 2004年煤礦百萬噸死亡率關聯分析 （46）
4.2.4 2010年煤礦百萬噸死亡率關聯分析 （52）
4.2.5 煤礦百萬噸死亡率灰色關聯分析結果對比 （58）
4.3 基於改進的灰色關聯煤礦百萬噸死亡率指標體系的建立 （59）
4.3.1 數據無量綱化處理方法的改進 （59）
4.3.2 關聯度加權改進算法 （61）
4.3.3 煤礦百萬噸死亡率改進灰色關聯分析結果對比 （61）
第5章 基於灰色模型的煤礦百萬噸死亡率指標的測算 （64）
5.1 煤礦百萬噸死亡率GM(1, 1)模型 （64）
5.1.1 GM(1, 1)模型建模機理 （64）
5.1.2 GM(1, 1)模型的檢驗 （65）
5.2 煤礦百萬噸死亡率DmGM（1, 1）模型 （66）
5.2.1 緩衝運算元改進灰色模型的建立過程 （66）
5.2.2 緩衝運算元改進灰色模型的優點 （68）
5.3 DmGM（1, 1）模型在煤礦百萬噸死亡率指標測算中的套用 （68）
5.3.1 煤礦百萬噸死亡率原始數據處理 （68）
5.3.2 基於GM(1，1)模型的煤礦百萬噸死亡率指標測算 （70）
5.3.3 基於DGM(1，1)模型的煤礦百萬噸死亡率指標測算 （72）
5.3.4 基於DmGM(1，1)模型的煤礦百萬噸死亡率指標測算 （74）
5.3.5 基於DmGM（1, 1）模型的煤礦百萬噸死亡率指標誤差檢驗 （76）
5.3.6 預測結果分析 （79）
第6章 基於支持向量機的煤礦百萬噸死亡率預測模型研究 （80）
6.1 支持向量機模型的選擇 （80）
6.1.1 最小二乘支持向量機基本原理 （80）
6.1.2 核函式的選取 （81）
6.1.3 預測誤差分析的指標 （82）
6.1.4 LSSVM參數選擇算法優劣的評價標準 （82）
6.1.5 LSSVM參數的最佳化 （84）
6.2 遺傳算法（GA）最佳化LSSVM （84）
6.2.1 遺傳算法 （84）
6.2.2 遺傳算法最佳化LSSVM （85）
6.3 粒子群（PSO）算法最佳化LSSVM （86）
6.3.1 粒子群算法理論 （86）
6.3.2 粒子群算法最佳化LSSVM （88）
6.4 LSSVM煤礦百萬噸死亡率預測 （89）
6.4.1 煤礦百萬噸死亡率樣本數據的歸一化處理 （89）
6.4.2 煤礦百萬噸死亡率模型參數選取 （93）
6.4.3 煤礦百萬噸死亡率訓練樣本預測 （97）
6.4.4 煤礦百萬噸死亡率測試樣本預測 （99）
6.5 DmGM(1，1)LSSVM煤礦百萬噸死亡率預測 （102）
6.5.1 2010的未來兩年指標灰色預測 （102）
6.5.2 2010的未來兩年煤礦百萬噸死亡率DmGM(1，1)LSSVM
預測 （105）
6.5.3 與其他預測方法的比較 （106）
結束語 （109）
一、主要工作與創新 （109）
二、進一步研究方向 （110）
參考文獻 （111）
