基于粗糙集与神经网络的煤矿瓦斯预测知识获取方法研究

论文摘要

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瓦斯预测。专家系统具有适应性强、可靠性强、成本低、响应快等优点,并具有持久性、复合性和解释说明性等特性,这些优点和特性十分切合煤矿瓦斯预测的需要。但是,知识获取是建立煤矿瓦斯预测专家系统的关键和瓶颈,并且极大的限制了煤矿瓦斯预测专家系统的开发和应用。为解决这一问题,本文开展了煤矿瓦斯预测知识获取方法的研究。本文将粗糙集和神经网络结合,提出一种由数据预处理、神经网络构造、神经网络训练、规则提取、验证以及录入六模块组成的煤矿瓦斯预测知识获取模型,详细介绍了模型的总体结构和主要功能,着重研究了模型的实现算法,并应用到煤矿瓦斯实时数据中,应用结果表明该模型实时性好、可靠性及精度高,在很大程度上解决了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了良好的基础。本文的主要工作包括:1.对粗糙集和神经网络两种智能技术作了分析和探讨,结合实际应用需要,将两种智能技术用于煤矿瓦斯预测知识获取中,提出基于粗糙集与神经网络的煤矿瓦斯预测知识获取模型。2.提出了一种将粗糙集和神经网络结合在一起的知识获取算法,该算法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,并在神经网络构造过程中动态调隐含层节点数,从而得到一个相对最佳的神经网络结构,然后对该网络进行训练,最后通过一种现存的规则抽取算法将隐式知识用规则的形式表示出来。3.知识获取模型的实现及应用通过Visual Basic和Matlab实现知识获取模型,并应用到实时数据中,验证该模型的知识获取能力。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 论文的应用背景及意义
• 1.2 国内外煤矿瓦斯预测技术研究现状
• 1.3 专家系统在煤矿瓦斯预测中的应用及遇到的问题
• 1.4 论文的内容与结构
• 第二章 煤矿瓦斯预测知识获取模型
• 2.1 粗糙集理论概述
• 2.1.1 粗糙集简介
• 2.1.2 连续属性的离散化
• 2.1.3 决策表的属性约简
• 2.2 神经网络理论概述
• 2.2.1 神经网络简介
• 2.2.2 神经网络模型
• 2.2.3 神经网络设计
• 2.3 粗糙集和神经网络结合的可行性及研究现状
• 2.3.1 粗糙集和神经网络结合的可行性
• 2.3.2 粗糙集和神经网络结合的研究现状
• 2.4 基于粗糙集与神经网络的煤矿瓦斯预测知识获取模型
• 2.4.1 样本数据更新
• 2.4.2 数据预处理
• 2.4.3 神经网络构造
• 2.4.4 神经网络训练
• 2.4.5 规则提取
• 2.4.6 规则验证和录入
• 2.5 基于粗糙集与神经网络的煤矿瓦斯预测知识获取模型的工作流程
• 2.6 小结
• 第三章 煤矿瓦斯预测知识获取算法
• 3.1 基于信息熵的连续属性离散化算法
• 3.1.1 一般的离散化算法
• 3.1.2 断点重要性的定义
• 3.1.3 基于信息熵的连续属性离散化算法描述
• 3.2 基于属性重要性的属性约简算法
• 3.2.1 一般的属性约简算法
• 3.2.2 属性重要性的定义
• 3.2.3 基于属性重要性的属性约简算法描述
• 3.3 基于动态修正的BP神经网络训练算法
• 3.3.1 BP神经网络初始化
• 3.3.2 动态修正网络
• 3.3.3 神经网络训练算法
• 3.4 基于结构分解的规则提取算法
• 3.4.1 规则的生成
• 3.4.2 规则的重写
• 3.5 小结
• 第四章 煤矿瓦斯预测知识获取模型的实现及应用
• 4.1 模型开发工具
• 4.2 模型的运行界面
• 4.3 应用实例
• 4.3.1 建立样本数据库
• 4.3.2 粗糙集数据预处理
• 4.3.3 神经网络训练
• 4.3.4 与传统BP神经网络的比较分析
• 4.3.5 规则提取结果
• 4.3.6 规则的测试及与其他方法的比较
• 4.4 小结
• 第五章 总结与展望
• 5.1 论文研究总结
• 5.2 课题展望
• 参考文献
• 发表文章目录
• 致谢
• 个人简况及联系方式