基于粒子群优化支持向量机的瓦斯突出层研究Study on Gas Outburst Layer Based on Particle Swarm Optimization Algorithm Support Vector Machine
曾维顺,韩欣澎,刘金霖
摘要(Abstract):
瓦斯突出是具有很强破坏性的地质灾害,是亟需解决的国际性技术难题。瓦斯突出与构造煤发育息息相关,通过识别构造煤的发育位置,制定针对措施,规避风险。粒子群算法可以将支持向量机参数选择最优化,以支持向量机理论、测井解释和岩心为基础,测井数据作为输入,构建预测模型,对鹤岗煤田煤层进行判别,将结果与取心情况进行对比,平均正确率可以达到90%以上。结果表明,粒子群优化的支持向量机方法具有速度快,精度高,操作简单的优势,将方法运用到构造煤的识别中具有较高的应用前景,为规避瓦斯突出灾害提供了理论依据并指明了方向,对安全生产具有指导性意义。
关键词(KeyWords): 瓦斯突出;测井响应;粒子群优化;支持向量机
基金项目(Foundation): 东北石油大学人才工程科研启动基金“兴蒙造山带北部岩石圈地幔氧化还原状态特征研究”(rc201703);; 重力梯度带北段地幔演化中的铂族元素行为(xm123423);; 国家自然科学青年基金项目“塔北奥陶系露头含油古钙华的形成机制及储集能力”(项目批准号:41702154)
作者(Author): 曾维顺,韩欣澎,刘金霖
参考文献(References):
- [1]高魁,刘泽功,刘健.在石门揭构造软煤诱发煤与瓦斯突出中的作用[J].中国安全科学学报,2015,25(3):102-107.
- [2]高魁,刘泽功,刘健.地应力在石门揭构造软煤诱发煤与瓦斯突出中的作用[J].岩石力学与工程学报,2015,34(2):305~312.
- [3]邵强,王恩营,王红卫,等.构造煤分布规律对煤与瓦斯突出的控制[J].煤炭学报,2010,35(2):250-254.
- [4]张荣飞,陈萍,陆佳佳.测井曲线在判识构造煤中的应用[J].淮南职业技术学院学报,2014,14(55):9-12.
- [5]晁建伟,吕伟伟,马正恒.梁北煤矿煤与瓦斯突出主控因素分析[J].煤矿安全,2015,46(7):182-185.
- [6]严家平,王定武.利用煤田钻孔测井信息判识祁东煤矿构造煤的理论于实践[J].矿业安全与环保,2003,30(6):37-38.
- [7]张子敏,张玉贵.大平煤矿特大型煤与瓦斯突出瓦斯地质分析[J].煤炭学报,2005,30(2):137-140.
- [8]汤友谊,孙四清,田高岭.测井曲线计算机识别构造软煤的研究[J].煤炭学报,2005,30(3):293-296.
- [9]侯泉林,李会军,范俊佳,等.构造煤结构与煤层气赋存研究进展[J].中国科学,2012,42(10):1487-1495.
- [10]陈晶,黄文辉,陆小霞,等.沁水盆地柿庄地区构造煤定量分析及其物性特征[J]. 2017,42(3):732-737.
- [11]姚军朋,司马立强,张玉贵.构造煤地球物理测井定量判识研究[J].煤炭学报,2011,36(增刊1):94-98.
- [12]孟倩,马小平,周延.改进的粒子群支持向量机预测瓦斯涌出量[J].矿业安全与环保,2015,42(2):1-5.
- [13]陈科贵,吴刘磊,陈愿愿,等.基于支持向量机的川中杂卤石分类识别研究[J].地球科学进展,2016,31(10):1041-1046.