信息融合理论在瓦斯突出预测中的应用研究

发布时间：2021-01-24 08:19

　　煤矿瓦斯灾害中瓦斯突出是主要的灾害类型之一，本文针对瓦斯突出预测课题进行了研究。在充分的分析突出发生机理的基础上深入的研究了影响突出的各个因素和指标，在一般的数据融合模型中增加了传感器管理反馈环节，提出了基于数据融合的闭环控制预测系统模型，并应用于瓦斯突出预测中。文章分别从模型的构造、子系统功能以及各层融合算法进行了研究。在对比分析了各个算法的基础上选取了B-P神经网络作为特征层融合方法，但由于神经网络固有缺陷，所以在决策层融合算法中选用了改进的D-S证据理论算法弥补了神经网络的不足。利用B-P神经网络的预测结果和几个典型的指标的预测结果共同作为D-S证据理论的决策级融合证据，从而构成了特征层、决策层分层融合结构模式，增加了系统决策的可靠性。最后通过某矿典型的历史数据对本文的方案进行验证，其结果表明该方案可行且有很高的准确性和可靠性。 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：104 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 选题背景和意义
    1.2 课题研究现状及发展趋势
        1.2.1 煤与瓦斯突出预警的研究现状及发展趋势
        1.2.2 数据融合技术在瓦斯预警系统中的研究现状
        1.2.3 传感器管理技术在数据融合中的应用现状
    1.3 本文主要研究内容和创新点
        1.3.1 本文主要研究内容
        1.3.2 本文结构安排
        1.3.3 本文创新点
    1.4 本章小结
2 煤与瓦斯突出基础理论概述
    2.1 煤与瓦斯突出的机理
    2.2 煤与瓦斯突出的基本规律
    2.3 影响瓦斯突出的主要因素
    2.4 煤与瓦斯突出指标权重分析及常用指标介绍
    2.5 本章小结
3 多传感器数据融合及闭环瓦斯突出预测模型研究
    3.1 多传感器数据融合的理论基础
        3.1.1 信息融合的定义
        3.1.2 数据融合处理的基本过程
        3.1.3 数据融合系统结构和算法介绍
    3.2 数据融合闭环控制模型的构成及功能分析
        3.2.1 数据融合闭环控制模型的构成
        3.2.2 数据融合闭环系统控制模型功能模块性能分析
    3.3 基于多传感器信息融合的瓦斯突出预测模型的构建
        3.3.1 瓦斯突出预测闭环控制模型确立
        3.3.2 瓦斯突出预测模型中融合方式确定
    3.4 多传感器管理相关问题研究
        3.4.1 传感器管理与数据融合关系
        3.4.2 传感器管理的基本理论
        3.4.3 传感器管理算法
    3.5 本章小结
4 分层融合模式算法的确定
    4.1 特征层数据融合结构模型与算法的确定
        4.1.1 瓦斯突出特征级融合的结构模式
        4.1.2 瓦斯突出特征级融合算法的选取
    4.2 B-P 神经网络融合方法
        4.2.1 B-P 神经网络基本原理
        4.2.2 B-P 神经网络存在的问题
        4.2.3 B-P 神经网络改进算法
    4.3 基于改进的 B-P 神经网络在预测系统特征级信息融合中的应用
    4.4 基于 D-S 证据理论的决策层数据融合算法研究
        4.4.1 D-S 证据理论的基本概念
        4.4.2 D-S 证据理论的融合方法
        4.4.3 D-S 证据理论的决策规则
        4.4.4 D-S 证据理论的融合过程
        4.4.5 D-S 证据理论融合的优缺点
        4.4.6 D-S 证据理论的改进
        4.4.7 改进 D-S 证据理论融合规则的数值试验
    4.5 本章小结
5 基于信息融合技术的瓦斯突出预测
    5.1 预测样本的选取
    5.2 煤与瓦斯突出预测过程
        5.2.1 D-S 证据理论识别框架的确定
        5.2.2 证据体的确定
        5.2.3 基于 D-S 证据理的决策融合
        5.2.4 决策层融合结果分析
    5.3 本章小结
6 总结与展望
    6.1 本文总结
    6.2 展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]基于可拓理论与信息融合的煤矿井下环境安全等级评判方法[J]. 周玉,钱旭,王培崇,虎晓红.  计算机应用研究. 2008(11)
[2]冲突证据的融合方法研究[J]. 王加阳,周勇.  计算机应用研究. 2008(07)
[3]多传感器模糊信息融合算法在煤矿瓦斯监测中的应用[J]. 徐耀松,郭磊,王丹丹.  矿业安全与环保. 2008(03)
[4]基于数据融合理论的煤矿瓦斯动态预测技术[J]. 邵良杉,付贵祥.  煤炭学报. 2008(05)
[5]百功煤矿炮掘巷道煤壁瓦斯涌出规律研究[J]. 仇海生,曹垚林,王世栋.  煤炭科学技术. 2008(04)
[6]中国煤矿区域性瓦斯治理技术的发展[J]. 程远平,俞启香.  采矿与安全工程学报. 2007(04)
[7]煤矿监测监控系统信息融合结构的研究[J]. 张晓强,高莉,于洪珍.  工矿自动化. 2007(04)
[8]基于粗糙集和神经网络的信息融合方法[J]. 唐述,刘东,尹怡欣.  微计算机信息. 2007(18)
[9]煤矿瓦斯监控系统趋势预测技术[J]. 刘祖德,赵云胜.  煤矿安全. 2007(03)
[10]模糊数据融合算法在煤矿安全系统中的应用[J]. 王传英,付华.  传感器技术. 2005(06)

博士论文
[1]多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D]. 缪燕子.中国矿业大学 2009
[2]煤矿瓦斯灾害特征提取与信息融合技术研究[D]. 付华.辽宁工程技术大学 2006
[3]煤层应力状态及煤与瓦斯突出防治研究[D]. 张国辉.辽宁工程技术大学 2005
[4]煤与瓦斯突出区域预测的模式识别方法研究[D]. 李胜.辽宁工程技术大学 2004
[5]基于支持向量机的旋转机械故障诊断[D]. 赵冲冲.西北工业大学 2003
[6]传感器管理方法研究[D]. 刘先省.西北工业大学 2000

硕士论文
[1]传感器管理理论与方法研究[D]. 郝永飞.中北大学 2005
[2]基于神经网络和D-S证据理论的信息融合方法的研究[D]. 边宝峰.华北电力大学（河北） 2005
[3]多传感器信息融合技术及其应用[D]. 王琳.华北电力大学（河北） 2003



本文编号：2996924