煤矿瓦斯预测知识获取模型的应用研究

将粗糙集与神经网络结合,提出由样本更新、粗糙集预处理、神经网络训练、规则提取4个模块组成的煤矿瓦斯预测知识获取模型,将其应用于实时数据进行实验,结果表明,该模型实时性好、可靠性及精度高,可以较好地解决煤矿瓦斯预测知识获取困难的问题,为煤矿瓦斯预测专家系统知识库的建立奠定基础。     

粗集-RBF神经网络在瓦斯突出预测中的应用

煤矿瓦斯突出是威胁煤矿安全生产的主要因素之一:瓦斯突出预测的关键是信息的采集,传输和处理;通过DSP技术和粗集-RBF神经网络结合的方法,完成了对瓦斯突出预测系统的设计;该系统设计了基于DSP和无线传感器网络的信息采集和传输系统和粗集-RBF神经网络;信息传输采用无线网络和CAN总线相结合的方式,极大地提高了信息传输的质量和效率;利用MATLAB对粗集-RBF神经网络进行了建模和仿真,选取了4个与瓦斯突出有关的影响指标,对具体的瓦斯突出样本进行了预测,准确预测出了瓦斯突出。     

基于粗神经网络的瓦斯预测专家系统

瓦斯爆炸是我国煤矿生产中最常见的灾害事故,目前治理瓦斯爆炸的主要手段是预测瓦斯突出。以专家系统为核心,利用神经网络强的自学习能力来建立专家系统的知识库,并使用粗糙集对神经网络的构造和学习所需的样本数据进行预处理,构建了基于粗神经网络的瓦斯预测专家系统,详细介绍了系统的总体结构和工作过程,并以采集到的实时数据进行仿真实验,结果表明该系统有较好的预测能力。提高了瓦斯预测的准确性和及时性。     

基于半监督学习和支持向量机的煤与瓦斯突出预测研究

针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。     

基于代价敏感混合分裂策略的多决策树算法

煤矿瓦斯预警可视为是否安全的分类问题,数据呈现不平衡分布特点。为此,提出一种混合策略属性选择多决策树分类算法:算法融合代价敏感因子,结合C4.5和CART属性选择方法作为分裂指标,并采用了基于不同根节点信息的多决策树建树方法。首先采用11个非平衡数据集进行算法有效性验证,实验结果表明,该方法可以有效针对不平衡数据进行分类,保证高准确率的前提下,有效提高了少数类预测准确性;进而将该算法用于煤矿瓦斯数据预测,结果表明,所提出方法可以有效提高煤矿瓦斯数据的总体预测性能。     

基于专家系统的煤矿安全监测监控系统

长期以来,我国煤矿安全事故频繁发生;为了预防事故的发生,分析了事故发生的原因,提出了煤矿瓦斯突出的预测手段和开采时在线监测监控的专家系统理论,同时构建了一种基于工业以太网和现场总线的混合网络矿井安全监测监控系统;该系统对煤矿开采前工作面、煤巷瓦斯浓度及可能的瓦斯突出都设计了有效的预测预防措施;在信息处理方面,采用现场总线结合工业以太网的模式,避免了上位机负担过重、监控速度慢、节点扩展难的困难,同时能快速可靠地进行远程监控。     

基于ICA-SVM的煤与瓦斯突出预测研究

影响煤与瓦斯突出的因素很多且错综复杂,而现有的煤与瓦斯突出预测方法所考虑的影响煤与瓦斯突出的因素较少,针对大量指标属性时无法进行有效的分析处理。针对该问题,文章提出了一种基于ICA-SVM的煤与瓦斯突出预测方法。该方法首先通过独立成分分析方法对所选指标属性进行特征提取,然后利用支持向量机模型对煤与瓦斯突出进行预测分析。预测结果表明,基于ICA-SVM的煤与瓦斯突出预测方法的预测准确率高,且运算速度快,识别分类能力强,效果较好。     

基于突变级数法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出发生的内在机理非常复杂、难以建立合适的多因素非线性预测模型的问题,提出了基于突变级数法的煤与瓦斯突出危险性预测方法。该方法选用典型突出矿井的煤与瓦斯突出实例作为学习样本,确定了不同冲击危险等级的突变级数,并应用于其他待判样本的预测。实际应用结果表明,该方法能较准确地反映煤与瓦斯突出的危险程度,预测精度较高。     

煤与瓦斯突出预测的随机森林模型

煤与瓦斯突出是煤矿开采过程中主要的动力灾害之一,针对煤与瓦斯突出等级预测问题,提高突出预测的准确率,选取最大主应力、瓦斯压力、瓦斯含量、顶板岩性、距断裂距离、煤层厚度、开采垂深、绝对瓦斯涌出量和相对瓦斯涌出量9个影响因素作为煤与瓦斯突出等级预测的评价指标,同时对相关程度较高的评价指标进行因子分析,提取公共因子,用随机森林算法进行训练预测,建立了基于因子分析的煤与瓦斯突出预测的随机森林模型。通过煤矿实测19组煤与瓦斯突出的数据作为训练样本数据集进行模型的训练,5组数据作为该预测模型的测试数据,进行煤与瓦斯突出预测,同时通过其他预测模型预测结果的对比,验证了随机森林算法在煤与瓦斯突出预测中具有较高的准确度。     

煤与瓦斯突出预测多元数据可视化系统构建与应用

针对现有煤与突出预测方法存在可视化程度低、突出预测准确性和实时性不高等问题,以新元煤矿为试验矿井,构建了煤与瓦斯突出预测多元数据可视化系统。该系统通过物探、钻探等方式及WTC瓦斯突出参数仪、安全监控系统、专用数据采集仪获取突出预测所涉及的基础数据,通过井下工业环网和地面办公网实现突出预测数据的传输;采用涵盖突出危险性时空演化关系的区域总体把控、局部在线辨识两级预测方法,通过深度挖掘煤与瓦斯突出预测多元数据,使杂乱的原始数据变得有序,为数据可视化奠定基础;通过基于WebGIS的突出预测综合可视化平台对区域预测和局部预测子系统的数据进行有效融合,实现对预测结果及多元数据的直观展示,使突出预测过程可控、结果可查。应用结果表明,该系统改变了新元煤矿突出预测指标单一、不连续的现状,显著提高了矿井煤与瓦斯突出预测准确性与实时性。     

一种专家系统知识获取时的属性约简算法

知识获取是构造专家系统的“瓶颈”,提供准确的推理知识是进行决策规划的关键。文中运用粗糙集理论,通过粗糙集的约简消除冗余的条件属性,实现对知识库的精简。首先研究知识获取,在阐明知识的层次结构基础上,给出了概念化、形式化、知识库求精三个知识获取过程;然后研究属性约简算法,在研究集合差异度和属性的重要性、约简算法推导过程的基础上,给出了属性约简算法的六个步骤。最后根据属性约简算法及其步骤,对功能点分析法构建软件成本估算专家系统时,组成技术复杂因子的14个因素进行了约简。     

基于模糊粗糙集与支持向量机的瓦斯涌出量预测研究

支持向量机(Support Vector Machine)具备很强的非线性建模能力,而且具有全局最优、结构简单等优点,近年来被广泛的应用于煤矿瓦斯预测方面,但其在处理样本时,不能确定数据中哪些知识是冗余的、不能将输入的信息空间维数简化,因此,会降低系统预测的精确性;将模糊粗糙集理论引入瓦斯涌出量的预测中,建立基于模糊粗糙集与支持向量机的瓦斯涌出量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补.实验结果显示,该方法预测准确,具有较高的应用价值.     

基于分辨函数的科研项目评估专家知识获取研究

为了解决省级科研项目评估中专家知识难以获取的问题,提出了一种基于分辨函数的知识获取方法。该方法以粗糙集理论为基础,对预选评审指标,采集专家意见,构建决策表,生成分辨函数求解核和约简,从中发现隐含规则,提取专家共识,构建知识库。以甘肃省自然科学研究基金项目评估进行了仿真案例计算,计算表明该方法能够客观反映专家意见,适用于立项评估、中期评估、绩效评估等科研项目管理全过程,也可应用于其它科研项目评估决策中。     

基于FPGA的多路矿用气体传感器智能调校系统

矿用气体传感器因煤矿安全被大量使用,国家规定必须定期进行调校,目前的传感器调校系统可同时对5-8台传感器进行调校,针对大中型煤矿生产过程中需要调校的矿用气体传感器数量大、调校耗时长的现状,提出了一种基于单片机与现场可编程门阵列（FPGA）的64路气体传感器调校系统,介绍了系统的整体设计并详细阐述了该系统的气路控制模块和传感器输出信号采集模块,使用Verilog语言在QuartusⅡ工具中实现FPGA的逻辑设计、仿真和综合。结果证明：该系统能有效地完成对64路气体传感器同时调校的目的,很大程度节省了人力消耗,提高了调校效率,节约了调校时间。     

基于粗集的产品色彩预测系统研究

针对传统人工预测流行色方法效率低、费用高的问题,采用决策表知识表达技术和模糊集合方法构建了流行色知识仓库,结合可辨识矩阵理论和粗集理论提出流行色预测知识挖掘算法,该算法可根据流行色知识库建立条件属性和决策属性依赖关系,从而完成流行色的预测推理。开发了基于粗集理论的智能化流行色预测系统,并以服装产品为例预测流行色测,结果表明该系统可准确预测未来短期内的流行色。     

基于粗糙集和贝叶斯分类器的变电站故障诊断

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和贝叶斯分类器的变电站故障诊断方法.首先利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行挖掘,实行属性优选,再运用朴素贝叶斯分类器对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示了该方法能有效地缩小问题求解规模和较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于二元决策系统的粗集知识获取方法研究

提出一种新的粗集知识获取方法,首先将事例集表示成二元决策系统,然后奖其分解成一系列单一二元决策子系统。利用粗集理论对每一子系统进行分析,推理出最优规则。在对决策系统进行条件属性和规则简化时,提出了概率最佳简约准则和概率最小规则准则,按照这两种最优准则可以获得概率意义上数目最小规则集。通过实例分析,具体说明了该方法的实现步骤,结果表明该方法具有明显的优越性。     

基于差别矩阵启发式决策表属性约简算法

属性约简是粗糙集理论研究的核心内容之一,足知识获取的关键步骤.针对大规模数据集,基于决策表差别矩阵属性约简不具备可操作性缺点;以及基于差别矩阵属性频度的约简算法没有考虑到差别矩阵元素中属性个数多少的缺陷.基于差别矩阵元素的基数越小,其属性越重要的思想,按照基数由小到大的顺序,利用矩阵中具有相同基数的矩阵元素的簇集中属性出现的频度,确定属性的重要度,提出一种快速搜索属性约简算法,能快速搜索到属性的最优或次优约简.实验结果表明算法是可行、有效的.     

基于启发式约简的虚拟企业知识共享风险预警

从虚拟企业知识共享风险预警的评价标准入手,提出具有层次结构的风险预警评价属性模型。然后,利用粗糙集的基本理论和方法,建立基于启发式属性约简的虚拟企业知识共享风险预警模型框架结构图,并给出基于分辨矩阵的启发式指标属性约简算法,进行指标优化。最后通过实例说明该预警模型的有效性及实用性。