煤与瓦斯突出危险性模式识别及概率预测技术研究.pdfVIP

一、煤与瓦斯突出性的模式识别和概率预测

1.1煤与瓦斯突出模式识别概率预测原理

“煤与瓦斯突出多因素模式识别概率预测方法”，依据现代采矿理论、信息

论、概率论和地理信息系统原理，基于当前对突出的理论认识，在系统地分析影

响煤与瓦斯突出影响因素基础上，查明影响煤与瓦斯突出的主要影响因素，揭示

影响煤与瓦斯突出的多个主要因素与突出性之间的内在机制，对各影响因素进

行定量化分析，确定煤与瓦斯突出性的概率预测准则，运用多因素模式识别

技术进行综合智能分析，应用神经网络和模糊推理方法确定预测区域各单元的

概率，建立煤与瓦斯突出性多因素模式识别概率预测模型，对煤与瓦斯突出

的性进行分类，划分煤与瓦斯突出区、突出区和无突出区。应用

GIS技术等完成煤与瓦斯突出性预测分析系统的开发，实现煤与瓦斯突出预

测的可视化管理，提高瓦斯预测的准确性。

1.2煤与瓦斯突出模式识别概率预测方法

影响煤与瓦斯突出的因素很多，突出机理十分复杂。煤与瓦斯突出预测模式

识别基本原理是基于这样的认识：煤与瓦斯突出是受多因素控制。除地应力、构

造、瓦斯参数、煤体结构外，很可能还与重力异常、航磁Σt极化等因素有关。

如果取n个因素研究，把每一个因素看作一个向量的元素，那么，n个因素就

组成一个n维向量。n个因素的每一种组合就是一种模式识别，都在n维特征

空间维唯一对应一个位置。一个合理的假设是同类模式在特征空间相距很近，不

同类的模式相距较远，也就是说相距很近的模式它们的特征相差不大。如果用

某种方法分割空间，使得同一类模式大体在特征空间的同一个区域中。对于待分

类的模式，就可根据它的特征向量在特征空间的哪一个区域而判定它属于哪一类模

式。模式识别的任务就是用某种方法划分特征空间，使得同类的模式位于同一个

区域。对特征空间进行划分是一套严密的数学计算方法，习惯上称之为分类器或

学习机。

概率预测方法，首先将井田预测区域划分为有限个单元，将影响因素的作用

映射到网格单元，各因素对预测单元的影响通过概率值表示。由于影响因素具有

不同量纲，需要在系统中对各影响因素进行模糊化处理，将每个影响因素纲

化，具体步骤为：(1)输入变量模糊化；(2)模糊算子的应用与模糊蕴含；(3)模糊

合成；(4)反模糊化；(5)预测及结果后处理。多个影响因素的概率算法是概率预

测的，研究中采用了BP算法、SVM支持矢量机算法等方法得到各预测单

元的性概率值。单元的预测结果是一个纲的概率值，多个因素的影响

作用通过模式识别的方法得出各单元的煤与瓦斯突出性概率。所有单元

性概率得出后，依据煤与瓦斯突出性概率临界值将预测区域划分为区、

区和安全区。

2.1煤与瓦斯突出影响因素特征提取

研究中应用基于欧氏距离测度的特征提取方法。在D维特征空间选取d

个特征，它应该使c个类别的各样本间的平均距离J(x)最大，即

（）

式中：x为D维特征向量，x*为其最优值；xi为c个类别中ω类与ω类

kij

的D维特