论文部分内容阅读
煤矿瓦斯灾害已成为我国煤矿安全生产的最主要威胁和制约煤炭行业可持续发展的最重要因素。认识瓦斯灾害发生的规律和特征、实现瓦斯危险性的准确预测和预警是防治瓦斯灾害的有效手段,也一直是矿山安全及智能信息处理领域的重要研究课题。为此,本文针对目前煤矿安全生产的实际需要,以矿井瓦斯数据为研究对象,以矿井瓦斯预警为目的,系统地进行了基于支持向量机的瓦斯数据融合方法及其应用研究,其主要研究内容如下:1.在矿井瓦斯预警相关概念定义、矿井瓦斯数据流分析、数据融合与支持向量机理论与方法研究的基础上,构建了基于支持向量机的矿井瓦斯数据融合技术框架。2.在粒子群优化和遗传算法研究的基础上,提出了一种基于混沌粒子群优化-遗传算法(CPSO-GA)的支持向量机参数向量的选择与优化方法,为基于支持向量机数据融合的矿井瓦斯预警技术研究创造了技术条件。3.把支持向量机和相空间重构、粗糙集、聚类、非线性组合预测等多种现代信息处理手段进行有效集成,对多源的矿井瓦斯数据在数据级、特征级和决策级等三个层次上进行了以矿井瓦斯预警为目的的数据融合技术研究:(1)在数据级融合层次上,提出了基于支持向量机瓦斯数据的噪声消除方法,有效地消除了一维和高维矿井瓦斯数据中的普通噪声、异常数据和缺失数据的影响,为获取准确和完备的原始矿井瓦斯数据提供了技术手段。(2)在特征级融合层次上,提出了基于相空间重构-聚类-多支持向量机回归的瓦斯混沌时间序列预测方法,以及基于粗糙集-支持向量机的煤与瓦斯突出预测方法,并形成了一个完整的“突出类型→突出强度→突出煤量”的煤与瓦斯突出预测体系,有效地提取了瓦斯数据特征,预测其变化规律和发展趋势。(3)在决策级融合层次上,提出了基于支持向量机的矿井瓦斯涌出量非线性组合预测方法,以及基于多最小二乘支持向量机的CH4、CO、温度和风速等同类/异类传感器融合的多变量决策预测方法,实现了矿井采区安全状态等级的实时评价和安全状态的预警。理论分析和实验结果分析表明,本文提出的支持向量机数据融合技术可有效地应用于矿井瓦斯预警中。