煤矿瓦斯灾害特征挖掘与融合预测PDF电子书下载

第1章 绪论 1

1.1概述 1

1.2煤矿瓦斯灾害的类型及危害 2

1.2.1瓦斯爆炸 3

1.2.2煤与瓦斯突出 4

1.2.3瓦斯燃烧 5

1.3瓦斯灾害信息获取的硬件基础平台 5

1.3.1井下瓦斯浓度及相关参数采集与监测 5

1.3.2瓦斯突出灾害信息的获取技术 6

1.4瓦斯灾害信息的特征提取与信息融合技术 7

1.4.1瓦斯灾害特征提取技术 8

1.4.2信息融合技术 9

1.5煤矿瓦斯监测信息的获取方法 10

1.5.1煤矿瓦斯监测信息的获取原理 10

1.5.2煤矿瓦斯监测信息的获取步骤 10

1.6煤矿瓦斯灾害预测的研究现状 12

第2章 瓦斯灾害信息的特征分析 17

2.1瓦斯灾害信息的时域特征分析 17

2.1.1瓦斯灾害信号的时域直观特征指标分析 17

2.1.2瓦斯灾害信号的时域间接特征参量分析 18

2.2瓦斯灾害信息的频域特征分析 19

2.2.1功率谱分析 19

2.2.2瓦斯信号的频谱特征分析 20

2.3瓦斯灾害信息的时频联合特征分析 21

2.3.1基于Gabor变换的瓦斯信号的时频特征分析 21

2.3.2用Zak变换计算Gabor展开的系数 25

2.3.3基于Wigner-Ville变换的瓦斯信号时频特征分析 28

2.4瓦斯灾害信息的多分辨率时频分析 32

2.4.1多分辨率时频分析原理 32

2.4.2瓦斯灾害多分辨率的时频分析步骤 32

2.5基于独立分量分析的瓦斯灾害信息特征分析 33

2.5.1瓦斯灾害监测信息的多元数据表示 33

2.5.2瓦斯灾害监测信息的盲源分离 34

2.5.3瓦斯灾害信息特征的独立分量分析模型 36

2.5.4独立分量分析的改进与优化 40

2.5.5算法实验 43

第3章 瓦斯灾害信息的特征提取 47

3.1瓦斯灾害信息特征提取的原则 47

3.1.1瓦斯灾害信息特征提取的过程 47

3.1.2瓦斯灾害信息特征提取的评价准则 48

3.1.3瓦斯灾害信息特征提取模型的分类 49

3.1.4进行特征提取时应考虑的因素 50

3.2基于时频分布奇异值的瓦斯灾害信息特征提取 51

3.2.1基于时频分布的瓦斯灾害信息的特征矢量表示 51

3.2.2煤矿瓦斯灾害信息的奇异值分解 52

3.2.3基于奇异值分解的瓦斯灾害信息特征提取模型 54

3.2.4对瓦斯灾害信息的目标特征的评价 57

3.3基于最大熵的瓦斯灾害信息特征提取模型 59

3.3.1建立最大熵模型的依据 60

3.3.2瓦斯灾害信息特征提取的最大熵模型 61

3.3.3最大熵模型的参数训练算法 62

3.4基于支持向量机的瓦斯灾害特征提取 63

3.4.1基于支持向量机的瓦斯灾害特征提取相关理论 63

3.4.2基于支持向量机的瓦斯灾害特征提取模型 68

3.4.3基于自动加权支持向量机的瓦斯灾害特征提取模型 69

3.4.4特征提取模型算法分析 70

3.5仿真实验研究 71

3.5.1应用奇异值分解算法的瓦斯灾害特征提取实验 71

3.5.2应用最大熵算法的瓦斯灾害特征提取实验 77

3.5.3应用支持向量机算法的瓦斯灾害特征提取实验 81

第4章 瓦斯灾害多传感器特征级信息融合 83

4.1瓦斯灾害特征级融合的结构模型与方法 83

4.1.1信息融合的概念 83

4.1.2瓦斯灾害特征级融合的结构模式 85

4.1.3瓦斯灾害特征级融合的方法 86

4.2瓦斯灾害特征级信息融合的特征匹配 90

4.2.1瓦斯灾害特征级融合的坐标匹配 91

4.2.2瓦斯灾害特征级融合的时间匹配 92

4.2.3瓦斯灾害信息的特征匹配与合并 93

4.3基于贝叶斯理论的瓦斯灾害特征级融合 94

4.3.1贝叶斯网络的构建 94

4.3.2基于贝叶斯网络的特征级融合的推理模式 98

4.3.3基于贝叶斯网络的特征级融合的推理算法 99

4.4基于Dempster-Shafer理论的瓦斯灾害特征级融合 106

4.4.1瓦斯灾害特征级融合的概率分配函数的确定 106

4.4.2瓦斯灾害多特征信息融合的组合算法 109

4.4.3瓦斯灾害特征级决策融合方法 110

4.5实验研究 110

4.5.1特征级信息融合的贝叶斯方法实验 110

4.5.2特征级信息融合的证据理论方法实验 121

第5章 瓦斯灾害多传感器决策级信息融合 123

5.1基于模糊逻辑的决策级融合 124

5.1.1瓦斯灾害决策融合的模糊逻辑方法 125

5.1.2瓦斯灾害决策融合的模糊积分方法 126

5.1.3模糊积分密度的学习算法 128

5.2基于粗糙集理论的瓦斯灾害决策级融合方法 131

5.2.1决策级融合的粗糙集推理数据准备 132

5.2.2建立基于粗糙集规则的决策级融合模型 134

5.2.3决策级融合模型中粗糙集属性关系分析 136

5.2.4实例研究 138

5.3基于模糊粗糙集理论的瓦斯灾害决策级融合方法 140

5.3.1基于模糊粗糙理论的瓦斯灾害决策级融合模型的建立 141

5.3.2基于模糊粗糙理论的决策级融合模型的检验 142

5.3.3实例研究 143

第6章 瓦斯预测的数据挖掘理论与方法 149

6.1数据挖掘概述 149

6.1.1瓦斯数据挖掘研究面临的主要问题 149

6.1.2瓦斯数据挖掘的算法研究进展 150

6.1.3数据挖掘的研究方向 150

6.2瓦斯数据挖掘的预测功能 151

6.2.1数据挖掘的预测任务 152

6.2.2数据挖掘的瓦斯灾害预测模式类型 152

6.3煤矿瓦斯预测的数据挖掘过程 155

6.3.1数据准备 156

6.3.2瓦斯数据开采 156

6.3.3瓦斯灾害预测结果的评估 156

6.3.4基于数据挖掘瓦斯预测的步骤 157

6.4瓦斯数据挖掘预测的相关方法 158

6.4.1数据挖掘中的神经网络预测方法 158

6.4.2基于粗糙集理论的瓦斯预测方法 159

6.4.3基于K-最邻近的瓦斯预测方法 159

6.4.4基于序列模式挖掘的预测方法 160

6.4.5基于遗传算法的瓦斯灾害预测方法 161

6.4.6基于分类的瓦斯预测方法 12

第7章 瓦斯数据的在线挖掘与识别 164

7.1瓦斯特征数据的在线挖掘存在的问题 164

7.1.1渐近式瓦斯灾害特征数据的在线挖掘算法 164

7.1.2多尺度瓦斯数据在线挖掘算法 166

7.1.3多尺度瓦斯数据在线挖掘算法的实现 169

7.2瓦斯灾害特征数据识别算法 169

7.2.1算法模型 170

7.2.2算法分析 172

7.3瓦斯数据的离散化 174

7.3.1瓦斯数据的离散化描述 174

7.3.2瓦斯数据的离散化方法 175

7.3.3瓦斯数据离散化的候选断点集合的确定 180

7.3.4基于断点权重的离散化算法 183

7.3.5基于聚类的连续属性离散化算法 186

第8章 瓦斯灾害预测模型 190

8.1基于K-最近邻分类的瓦斯灾害预测 190

8.2 K-最近邻分类预测的改进算法 191

8.2.1瓦斯训练样本集的编辑和压缩 191

8.2.2属性权值的调整 192

8.3 K-最近邻混合分类预测算法 194

8.3.1基于神经网络的属性权重调整 195

8.3.2 K-最近邻混合算法 195

8.4基于带移动窗的神经网络瓦斯分类预测 197

8.4.1瓦斯时变数据的最小二乘学习算法 197

8.4.2神经网络移动窗的最小二乘学习算法 198

8.4.3局部化递推算法 203

8.5基于人工神经网络的时序预测模型 204

8.5.1瓦斯灾害预测模型的基本结构与数学描述 204

8.5.2基于反馈神经网络的预测模型 205

8.5.3对角回归神经网络结构 205

8.6煤矿瓦斯多维预测模型 208

8.6.1问题的提出 208

8.6.2基于自回归神经网络的预测模型结构 209

8.6.3基于自回归神经网络模型的数学描述 209

8.6.4基于自回归神经网络模型的并行学习算法 210

8.6.5基于自回归神经网络模型的学习流程 211

8.6.6输入调正法 212

第9章 煤矿瓦斯预测实例 213

9.1煤矿瓦斯预测的数据挖掘准备 213

9.1.1数据挖掘的测试内容 213

9.1.2煤矿瓦斯预测的数据预处理 213

9.2煤矿瓦斯数据库的分类预测 213

9.2.1标准数据库的分类预测 213

9.2.2煤矿瓦斯灾害时序数据库 214

9.3煤矿瓦斯涌出量实际预测 215

9.4预测结果分析 217

9.4.1数据库分类预测结果比较 217

9.4.2多维模型瓦斯预测的结果分析 218

参考文献 220