超强学习能力的优势，支持向量机参数c及其核函数参数〇的选取是 一个复杂问题，参数C控制着对错分样本的惩罚程度；径向基核函数的参数为高斯分布的 宽度，控制着函数的径向作用范围，决定着非线性映射的本质，支持向量机参数的求取需要 多次训练，依靠人为经验求解参数，建立支持向量机模型，缺点是耗费时间长；遗传算法具 有优化种群中最优个体的优势，自动寻优支持向量机参数，提高支持向量机建立模型的效 率。
[0011] 本发明与现有技术相比，利用遗传-支持向量机算法在煤矿突水动水注浆中成功 预测了注浆量，具有很强的实用性；同时利用动水注浆评价标准对两个突水点注浆效果做 出定量化评价，与传统的注浆效果评价相比，该评价方法更注重注浆量的注浆性价比，更加 注重注浆量的经济意义；其预测与评价过程简单，原理科学，节省人力和财力，能及时预测 矿井突水动水注浆量，合理评价注浆效果，经济效益明显。
【附图说明】：
[0012] 图1为本发明建立动水注浆量的预测非线性模型的流程原理示意框图。
[0013] 图2为本发明实施例得到的动水注浆量拟合结果曲线图。
[0014] 图3为本发明实施例得到的注浆量预测值和实际值拟合曲线图。
【具体实施方式】：
[0015] 下面通过实施例并结合附图对本发明作进一步说明。
[0016] 实施例：
[0017] 本实施例实现煤矿突水动水注浆量预测与注浆效果评价的具体过程为：
[0018] (1)、收集26个矿井突水动水注浆数据样本，样本数据见表1，经过多元线性回归 得到以注浆量与突水标高、突水量、封堵钻孔个数的多线性回归方程：
[0019]y = -15. 49x3+5. 39x2-2. 2Xl+127. 87,其中 y，Xl，x2,13分别代表动水注浆量、突水 标高、突水量、封堵钻孔个数），经计算得，复相关系数r = 0. 682，r表示动水注衆量与突水 标高、突水量、封堵钻孔个数之间的线性相关关系，按置信度95%和自由度22,查现有的相 关系数临界值表得r a95(22) = 0.404〈r，说明拟合程度一般，自变量和因变量关系一般；进 行F检验，按置信度95%和自由度f = 22,查得临界值为3. 05 ;其观测值8. 30大于F临界 值，说明因变量与自变量显著相关；回归系数显著性t检验：
【主权项】
1. 一种煤矿突水动水注浆量预测与注浆效果评价方法，其特征在于实现注浆量预测与 注浆效果评价的具体过程为： (1) 、收集包括封堵钻孔个数、突水标高、突水水压、突水量、注浆材料、注浆压力和注浆 量参数的注浆封堵矿井突水资料，建立注浆封堵矿井突水数据样本，初步分析影响动水注 浆量的因素； (2) 、将影响动水注浆量的因素包括突水标高、突水量和封堵钻孔个数进行多元线性回 归方程分析，并通过F检验及t检验分析注浆量与其影响因素的相关性和显著性，如果动水 注浆量与其影响因素线性相关且存在显著性变化，则直接利用多元线性回归分析动水注浆 量；如果动水注浆量和影响因素不存在线性关系，则对动水注浆量与其影响因素进行非线 性分析； (3) 、选择遗传-支持向量机作为研宄动水注浆量与其影响因素做非线性分析工具，建 立动水注浆量的预测非线性模型模型，具体建立过程：第一步，将前21个数据样本中的注 浆量数据读入并保存为注浆量训练样本文件，将前21个样本中的影响因素读入并保存为 注浆量影响因素训练样本文件，将后5个注浆量数据样本读入并保存为注浆量测试样本文 件，将后5个注浆量影响因素数据样本读入并保存为注浆量影响因素测试样本文件，并将 上述四个文件另存为一个matable可读文件；第二步，将matable可读文件读入遗传-支持 向量机算法程序，并借助遗传算法自动寻优支持向量机参数c和g，其中g= 1/〇2, 〇为支 持向量机参数c的核函数参数，然后通过样本映射计算和线性拟合训练，得到学习样本拟 合图，并根据拟合程度的相对误差的均方误差评价学习效果，若相对误差的均方误差不趋 向于〇,则学习效果不好，重新进行学习；若相对误差的均方误差趋向于〇,则学习效果好， 建立初始模型；第三步，根据测试样本中注浆量预测值与实际注浆量的相对误差验证初始 模型的泛化度，当相对误差的均方误差趋向于〇时，说明建立的初始模型泛化度好，初始模 型即为动水注浆量的预测非线性模型模型；当相对误差的均方误差不趋向于〇时，返回需 要返回第二步，借助遗传算法重新进行支持向量机参数寻优，直至找到最优参数c和g，使 相对误差的均方误差趋向于〇为止； (4) 、结合现有煤矿防治水规定，综合考虑注浆量、注浆材料对注浆效果的影响，根据 注浆后突水点封堵率sr和注浆预测率n将注浆封堵突水点效果标准分为优秀、良好、合 格、不合格四个级别，完成煤矿突水动水注浆量预测与注浆效果评价，其中S7为注浆后突水 点减少水量与突水量的比值，n为实际注浆量与预测量之间的变化值占预测量的百分数 ar<90%为不合格；90% <取< 100%且n>30 %为合格；90% <取< 95%且n彡30 %或 95%<奴<1〇〇%且1〇%<11彡3〇%为良好；95%<07<1〇〇%且11彡1〇%为优秀 。
【专利摘要】本发明属于矿井动水注浆预测与评价技术领域，涉及一种煤矿突水动水注浆量预测与注浆效果评价方法,在收集矿区封堵矿井突水过程中动水注浆量数据样资料基础上，分析影响注浆量变化的因素，综合遗传算法和支持向量机的学习理论，建立动水注浆量与其影响因素非线性数据模型，并将该模型应用到实际的工程实例中；并以注浆后突水点封堵率和注浆预测率两个影响因素，将注浆封堵突水点效果分为优秀、良好、合格、不合格四个级别的评价标准方法；其预测与评价过程简单，原理科学，节省人力和财力，能及时预测矿井突水动水注浆量，合理评价注浆效果，经济效益明显。
【IPC分类】G06F19-00
【公开号】CN104573399
【申请号】CN201510051917
【发明人】施龙青, 高卫富, 韩进
【申请人】山东科技大学
【公开日】2015年4月29日
【申请日】2015年2月2日