煤与瓦斯突出灾害信息模式识别与集成决策

煤与瓦斯突出灾害信息模式识别与集成决策

论文摘要

我国是煤炭生产大国,而煤与瓦斯突出(以下简称突出)灾害时有发生,从而严重制约着煤矿生命财产安全。本文采用模式识别技术对突出灾害信息进行处理,建立突出灾害预测模型,为突出灾害防治提供决策服务。从系统工程的角度,建立突出的分级预测体系。在时间上,对突出灾害进行早期综合分析预测和实时预测;在空间上,进行区域预测、区段监测及点预测相结合。把突出信息用发展的、联系的观点,在整体层面上加以处理。针对不同的预测阶段,结合已有的突出发生机理,选取合适的预测指标集。并利用前向浮动搜索,优化算法和粗糙集理论等实现预测指标集的约简,即是对突出信息的特征选择过程。在突出预测模型建立阶段,自始至终顾及到No Free Lunch定理的约束性,充分考虑到突出信息的各种可能情形,在查阅文献和实践中发现,没有绝对好用和处处好用的算法,同时也没有最佳和最完善的特征集。甚至有了正确的算法选择,也不一定能全面解决复杂实际问题。所以,需要在众多的原理与方法中优先选择简单有效者,甚至建立起多算法集成模型。经过仔细权衡,这里主要选取模式识别方法中的神经网络方法、支撑向量机方法等。而其中对前馈神经网络分类器进行了有效改进,主要是利用耦合了混沌机制的蜂群优化算法来优化神经网络的连接权值和阈值(记为CBC-MLP模型)。然而突出预测是一个复杂的系统工程,单一算法很难解决所有问题,所以,在以上基础上建立混合模式识别模型,所得的结果更具参考价值。论文的最后是一系列算法、分类器模型的工程实现部分。以中平能化集团天安五矿为研究依托,开发突出信息模式识别模块,辅助决策模块。结合现场实际情况,以Microsoft Visual C++6.0为开发工具,编制CGOCIDS软件;集成用Matlab语言编制的进行数据处理的算法,完成识别过程,建立预测模型;对提交的预测任务进行处理,及时反馈预测结果以及对分类器模型的维护等功能。

论文目录

  • 致谢
  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题的由来
  • 1.2 研究的意义
  • 1.3 研究现状
  • 1.3.1 工作面预测
  • 1.3.2 区域预测
  • 1.3.3 现有研究的弊端
  • 1.4 研究思路
  • 1.4.1 建模思路
  • 1.4.2 社会及经济效益分析
  • 1.5 技术路线
  • 1.6 文章的组织结构
  • 1.7 本章小结
  • 2 突出时空预测体系
  • 2.1 系统学原理应用至突出时空预测
  • 2.1.1 整体性
  • 2.1.2 最优化
  • 2.1.3 动态性
  • 2.1.4 反馈
  • 2.1.5 层次性
  • 2.2 突出时空预测体系的建立
  • 2.2.1 早期与区域区段预测的多种指标法
  • 2.2.2 电磁辐射法
  • 2.2.3 即时与点预测采用的方法
  • 2.3 应用检验
  • 2.3.1 试验条件
  • 2.3.2 效果分析
  • 2.4 总结
  • 3 突出信息的特征选择
  • 3.1 数据预处理
  • 3.1.1 离群点剔除
  • 3.1.2 数据归一化
  • 3.2 特征选择的准则
  • 3.2.1 散度测度
  • 3.2.2 多准则并列式特征选择
  • 3.3 用于特征选择(属性约简)的算法
  • 3.3.1 前向浮动搜索算法(SFFS)
  • 3.3.2 离散蜂群算法
  • 3.3.3 粗糙集理论
  • 3.4 突出灾害信息特征选择实例
  • 3.5 本章总结
  • 4 基于 CBC-MLP 和 SVM 的突出预测模型研究
  • 4.1 CBC-MLP 设计
  • 4.1.1 神经网络
  • 4.1.2 多层感知器(MLP)
  • 4.1.3 混沌蜂群(CBC)算法
  • 4.1.4 基于 CBC 算法的 MLP 研究
  • 4.1.5 CBC-MLP 应用至突出预测
  • 4.2 SVM 分类模型应用
  • 4.2.1 概述
  • 4.2.2 煤与瓦斯突出 SVM 预测软件 CGOP-SVM
  • 4.3 总结
  • 5 用于突出预测的多分类器融合研究
  • 5.1 多分类器融合用于突出预测的必要性
  • 5.2 基本思想
  • 5.3 多分类器融合框架
  • 5.3.1 基分类器
  • 5.3.2 分类器融合策略
  • 5.4 CBC 算法优化分类器融合权值
  • 5.4.1 算法步骤
  • 5.4.2 对比试验
  • 5.5 多分类器融合突出预测模型
  • 5.6 总结
  • 6 突出灾害信息识别的集成决策系统(CGOCIDS)实现
  • 6.1 CGOCIDS 功能
  • 6.1.1 数据采集
  • 6.1.2 特征选择功能
  • 6.1.3 预测突出功能
  • 6.1.4 画面显示
  • 6.1.5 安全管理
  • 6.1.6 系统可维护性
  • 6.1.7 报表功能和历史数据备案
  • 6.1.8 报警功能
  • 6.1.9 二次开发功能
  • 6.2 CGOCIDS 设计思想
  • 6.3 CGOCIDS 的系统设计
  • 6.3.1 体系架构设计
  • 6.3.2 CGOCIDS 的模块设计
  • 6.3.3 CGOCIDS 的数据库设计
  • 6.3.4 CGOCIDS 的界面设计
  • 6.4 CGOCIDS 的实现
  • 6.4.1 系统菜单
  • 6.4.2 管理员状态下系统的功能
  • 6.4.3 操作员状态下系统的功能
  • 6.5 本章小结
  • 7 总结
  • 7.1 全文总结
  • 参考文献
  • 附录 主要源代码
  • 作者简历
  • 学位论文数据集
  • 相关论文文献

    • [1].煤与瓦斯突出矿井采掘衔接优化研究[J]. 能源与节能 2019(12)
    • [2].粒子群算法在煤与瓦斯突出危险预测中的应用[J]. 山西煤炭 2019(04)
    • [3].基于大数据的煤与瓦斯突出灾害预测方法与技术研究[J]. 江苏科技信息 2020(08)
    • [4].煤与瓦斯突出预警在线综合系统的开发研究[J]. 现代制造技术与装备 2020(04)
    • [5].煤与瓦斯突出预警技术研究现状及发展趋势分析[J]. 无线互联科技 2020(09)
    • [6].采煤工作面煤与瓦斯突出危险性智能判识技术分析[J]. 山西冶金 2020(05)
    • [7].煤与瓦斯突出灾害监控预警技术研究[J]. 山东煤炭科技 2018(12)
    • [8].煤与瓦斯突出实时预警技术研究及应用[J]. 计算机产品与流通 2019(10)
    • [9].煤与瓦斯突出预警平台研究与应用[J]. 计算机产品与流通 2019(10)
    • [10].煤与瓦斯突出机理和模拟试验研究现状及发展趋势[J]. 工矿自动化 2018(02)
    • [11].煤与瓦斯突出危险性评价的未确知测度模型[J]. 煤矿安全 2018(02)
    • [12].煤与瓦斯突出机理浅析及预防对策展望[J]. 山东工业技术 2018(05)
    • [13].煤与瓦斯突出防治技术[J]. 内蒙古煤炭经济 2018(02)
    • [14].我国煤与瓦斯突出的研究现状及展望[J]. 内蒙古煤炭经济 2018(02)
    • [15].高突矿井煤与瓦斯突出综合防治技术探讨[J]. 山东工业技术 2018(13)
    • [16].煤与瓦斯突出特点分析及预控措施[J]. 内蒙古煤炭经济 2018(11)
    • [17].煤与瓦斯突出防治探析[J]. 内蒙古煤炭经济 2018(12)
    • [18].浅析煤与瓦斯突出影响因素及防治措施[J]. 能源与节能 2018(08)
    • [19].我国煤矿煤与瓦斯突出现状及防治对策[J]. 科技风 2017(24)
    • [20].煤与瓦斯突出原因及防治措施探究[J]. 内蒙古煤炭经济 2018(17)
    • [21].灰色关联度分析法在煤与瓦斯突出模拟试验中的应用[J]. 煤炭技术 2018(10)
    • [22].基于风险界面理论的煤与瓦斯突出风险研究[J]. 煤炭工程 2018(09)
    • [23].煤与瓦斯突出的产生条件及分析[J]. 内蒙古煤炭经济 2018(17)
    • [24].煤与瓦斯突出多指标耦合预测模型研究及应用[J]. 工程科学学报 2018(11)
    • [25].煤与瓦斯突出危险性档案的有效利用[J]. 科技视界 2018(28)
    • [26].基于风险评价的我国煤与瓦斯突出事故的等级规律分析[J]. 内蒙古煤炭经济 2018(18)
    • [27].采煤工作面煤与瓦斯突出综合防治技术研究[J]. 山西煤炭管理干部学院学报 2016(04)
    • [28].重庆某矿煤与瓦斯突出事故认定与原因分析[J]. 现代商贸工业 2016(31)
    • [29].煤与瓦斯突出数学模型及三维数值模拟[J]. 工程技术研究 2016(05)
    • [30].琪四煤矿煤与瓦斯突出原因分析及建议[J]. 中国矿山工程 2016(06)

    标签:;  ;  ;  ;  ;  

    煤与瓦斯突出灾害信息模式识别与集成决策
    下载Doc文档

    猜你喜欢