基于智能信息處理的煤礦瓦斯動(dòng)態(tài)預(yù)測(cè)研究
本文選題：瓦斯涌出量 + 瓦斯?jié)舛?/strong>��； 參考：《武漢理工大學(xué)》2015年博士論文
【摘要】：煤炭資源是重要的戰(zhàn)略物資能源,其在國(guó)民經(jīng)濟(jì)發(fā)展中起到關(guān)鍵作用。在煤炭開采過程中,瓦斯災(zāi)害是十分常見的事故,造成了大量的人員傷亡和經(jīng)濟(jì)財(cái)產(chǎn)損失。為了提高瓦斯安全預(yù)測(cè)水平和降低瓦斯危害,瓦斯動(dòng)態(tài)智能預(yù)測(cè)方法和模型的研究是十分必要的;基于此,主要目標(biāo)是研究出適應(yīng)度和預(yù)測(cè)精度更好的瓦斯動(dòng)態(tài)預(yù)測(cè)方法。針對(duì)我國(guó)瓦斯災(zāi)害的高瓦斯涌出、瓦斯爆炸、煤與瓦斯突出等顯著特點(diǎn),結(jié)合智能信息處理技術(shù),對(duì)瓦斯涌出量、瓦斯?jié)舛�、煤與瓦斯突出等方面的預(yù)測(cè)及分析方法進(jìn)行了深入研究。研究主要包括以下幾個(gè)方面的內(nèi)容:1)分析了國(guó)內(nèi)外瓦斯動(dòng)態(tài)預(yù)測(cè)方法,討論了瓦斯涌出量和瓦斯?jié)舛鹊挠绊懸蛩�、煤與瓦斯突出機(jī)理及影響因素,確定了研究對(duì)象的預(yù)測(cè)方法分為數(shù)值計(jì)算和分類計(jì)算兩個(gè)方向。通過分析瓦斯動(dòng)態(tài)的不同特征,進(jìn)一步拓展到展開數(shù)值計(jì)算預(yù)測(cè)算法、分類計(jì)算預(yù)測(cè)算法、信息生成算法和瓦斯動(dòng)態(tài)預(yù)測(cè)模型研究。2)提出了對(duì)立度數(shù)值計(jì)算(Opposite Degree-Numerical Computation,OD-NC)算法和對(duì)立度分類計(jì)算(Opposite Degree-Classification Computation,OD-CC)算法。對(duì)立度相關(guān)算法基于語(yǔ)義對(duì)立度、神經(jīng)網(wǎng)絡(luò)、遺傳算法、聚類分析等智能信息處理的相關(guān)概念和理論。OD-NC算法和OD-CC算法能夠分別進(jìn)行煤礦瓦斯動(dòng)態(tài)的數(shù)值預(yù)測(cè)和分類預(yù)測(cè)。3)提出了信息生成(Information Generation,IG)算法。算法分為兩個(gè)模板,即數(shù)值計(jì)算句型模板(Numerical Computation Sentence Template,NCST)和分類計(jì)算句型模板(Classification Computation Sentence Template,CCST);不同的句型模板可以生成不同的信息。IG算法可以和對(duì)立度相關(guān)算法進(jìn)行對(duì)接,也可以和系統(tǒng)模型結(jié)合,并最終能生成相關(guān)信息。此外,IG算法還可以對(duì)部分瓦斯數(shù)據(jù)進(jìn)行安全分析。4)研究了對(duì)立度相關(guān)算法和信息生成算法在瓦斯動(dòng)態(tài)預(yù)測(cè)中的應(yīng)用。研究包括:基于OD-NC和IG的瓦斯涌出量及瓦斯?jié)舛阮A(yù)測(cè),基于OD-CC和IG的煤與瓦斯突出及瓦斯安全狀態(tài)預(yù)測(cè);其中,瓦斯安全狀態(tài)預(yù)測(cè)和瓦斯涌出量、瓦斯?jié)舛�、煤與瓦斯突出關(guān)系密切,其預(yù)測(cè)也是對(duì)算法預(yù)測(cè)和性能分析進(jìn)行驗(yàn)證的重要手段。通過對(duì)比不同的智能算法預(yù)測(cè)的結(jié)果,驗(yàn)證了對(duì)立度相關(guān)算法在工程實(shí)例中的可行性和有效性;通過專家打分的方法,說明了信息生成算法在瓦斯預(yù)測(cè)中的評(píng)價(jià)效果。5)采用ASP.NET+C#+Access 2007實(shí)現(xiàn)了智能瓦斯預(yù)測(cè)模型。該模型結(jié)合安徽淮北礦業(yè)集團(tuán)渦北煤礦的實(shí)際情況,基于對(duì)立度數(shù)值計(jì)算算法、信息生成算法的內(nèi)容,并初步分析了其工作面風(fēng)巷的瓦斯?jié)舛鹊陌踩珷顟B(tài),與實(shí)際情況一致。因此,經(jīng)過實(shí)例驗(yàn)證,進(jìn)一步證明了該算法及模型的可靠性和智能性�？傊�,對(duì)立度數(shù)值計(jì)算算法、對(duì)立度分類計(jì)算算法的泛化能力和適應(yīng)度較好、預(yù)測(cè)精度高;對(duì)立度相關(guān)算法和信息生成算法是可行且有效的。研究基于智能信息處理技術(shù)的瓦斯動(dòng)態(tài)預(yù)測(cè)方法和模型對(duì)煤礦安全生產(chǎn)和監(jiān)督具有積極作用;其預(yù)測(cè)方法和模型為預(yù)防和減少煤礦瓦斯災(zāi)害事故提供方案支持和理論參考。
[Abstract]:Coal resources are important strategic materials and energy, which play a key role in the development of national economy. In the process of coal mining, the gas disaster is a very common accident, resulting in a large number of casualties and economic property losses. In order to improve the prediction level of gas safety and reduce the damage of gas, the intelligent prediction method and model of gas dynamics are used. Based on this, the main objective is to study the gas dynamic prediction method with better adaptability and prediction accuracy. In view of the significant characteristics of gas emission, gas explosion, coal and gas outburst in China's gas disaster, the gas emission, gas concentration, coal and gas outburst are combined with intelligent information processing technology. The main contents are as follows: 1) the main contents are as follows: 1) the method of gas dynamic prediction at home and abroad is analyzed, the influence factors of gas emission and gas concentration, the mechanism of coal and gas outburst and the influencing factors are discussed, and the prediction methods of the research object are divided into numerical calculation and classification. Two directions are calculated. By analyzing the different characteristics of gas dynamics, the numerical calculation prediction algorithm, the classification and prediction algorithm, the information generation algorithm and the gas dynamic prediction model study.2 are further expanded, and the Opposite Degree-Numerical Computation (OD-NC) algorithm and the opposition classification calculation (Opp) are proposed. Osite Degree-Classification Computation, OD-CC) algorithm. Antithesis correlation algorithm based on semantic opposition degree, neural network, genetic algorithm, cluster analysis and other related concepts and theories,.OD-NC algorithm and OD-CC algorithm can carry out the numerical prediction and classification prediction of coal mine gas dynamics and classify the.3). The information generation (Inf) is proposed (Inf). Ormation Generation, IG) algorithm. The algorithm is divided into two templates, namely, the Numerical Computation Sentence Template, NCST, and the classification pattern template (Classification Computation Sentence Template). In addition, the IG algorithm can also carry out a safety analysis of some gas data. In addition, the IG algorithm can also carry out a safety analysis of some gas data.4) and study the application of the correlation algorithm and the information generation algorithm in the gas dynamic prediction. The research includes the gas emission and gas concentration prediction based on the OD-NC and IG, based on the O The prediction of coal and gas outburst and gas safety status of D-CC and IG, the prediction of gas safety state and gas emission, gas concentration, coal and gas outburst are closely related, and the prediction is also an important means to verify the prediction and performance analysis of the algorithm. The feasibility and effectiveness of the algorithm in the engineering example; through the method of expert scoring, it illustrates the evaluation effect of information generation algorithm in gas prediction.5) using ASP.NET+C#+Access 2007 to realize the intelligent gas prediction model. This model is based on the actual situation of the Anhui Huaibei Mining Group vorticity coal mine and based on the numerical calculation of the degree of opposites. The method, the content of the information generation algorithm, and the preliminary analysis of the safety state of the gas concentration in the wind tunnel of the working face, is consistent with the actual situation. Therefore, the reliability and intelligence of the algorithm and the model are further proved by example. In a word, the generalization ability and adaptability of the antithesis algorithm and the algorithm of opposition degree classification calculation are also proved. The method and model of gas dynamic prediction based on intelligent information processing technology have a positive effect on the safety production and supervision of coal mine. The prediction method and model provide the support and reason for the prevention and reduction of coal mine gas disaster accidents. On the reference.
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD712
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 牛克洪;周劍波;田德鳳;;美國(guó)和蒙古國(guó)煤炭資源開發(fā)條件簡(jiǎn)析——中國(guó)煤炭企業(yè)國(guó)際化戰(zhàn)略系列談(五)[J];煤炭經(jīng)濟(jì)研究;2014年09期
2 李成武;楊威;韋善陽(yáng);李騰;遲雷雷;;煤與瓦斯突出后災(zāi)害氣體影響范圍試驗(yàn)研究[J];煤炭學(xué)報(bào);2014年03期
3 周心權(quán);;基于瓦斯爆炸事故剖析突發(fā)事件應(yīng)急處置的重要性[J];煤炭科學(xué)技術(shù);2014年01期
4 王昆;;從美國(guó)煤炭資源管理看政府定位[J];中國(guó)礦業(yè);2014年01期
5 黃元申;陳強(qiáng);魏瑋;;基于ARMA模型的煤礦瓦斯災(zāi)害預(yù)測(cè)研究[J];工業(yè)控制計(jì)算機(jī);2013年09期
6 成慧翔;李國(guó)勇;;基于粒子群優(yōu)化相關(guān)向量機(jī)的礦井瓦斯涌出量預(yù)測(cè)[J];礦山機(jī)械;2013年01期
7 潘玉民;鄧永紅;張全柱;薛鵬騫;;基于QPSO-RBF的瓦斯涌出量預(yù)測(cè)模型[J];中國(guó)安全科學(xué)學(xué)報(bào);2012年12期
8 王曉路;劉健;盧建軍;;基于小波變換和優(yōu)化預(yù)測(cè)器的瓦斯?jié)舛阮A(yù)測(cè)[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2011年03期
9 袁亮;;煤與瓦斯共采 領(lǐng)跑煤炭科學(xué)開采[J];能源與節(jié)能;2011年04期
10 朱士飛;秦云虎;徐田高;;礦井瓦斯涌出量影響因素分析[J];地質(zhì)學(xué)刊;2011年01期
相關(guān)會(huì)議論文 前1條
1 梁金火;許兵;;人工智能方法在煤與瓦斯突出變化趨勢(shì)預(yù)測(cè)中的應(yīng)用[A];第四屆全國(guó)工程地質(zhì)大會(huì)論文選集（三）[C];1992年
相關(guān)博士學(xué)位論文 前9條
1 張建萍;基于計(jì)算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年
2 彭泓;基于數(shù)據(jù)挖掘與信息融合的瓦斯災(zāi)害預(yù)測(cè)方法研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2013年
3 柴艷莉;基于智能信息處理的煤與瓦斯突出的預(yù)警預(yù)測(cè)研究[D];中國(guó)礦業(yè)大學(xué);2011年
4 黃為勇;基于支持向量機(jī)數(shù)據(jù)融合的礦井瓦斯預(yù)警技術(shù)研究[D];中國(guó)礦業(yè)大學(xué);2009年
5 王泉夫;基于WSN的工作面監(jiān)控及瓦斯?jié)舛阮A(yù)測(cè)關(guān)鍵技術(shù)研究[D];中國(guó)礦業(yè)大學(xué);2009年
6 陳祖云;煤與瓦斯突出前兆的非線性預(yù)測(cè)及支持向量機(jī)識(shí)別研究[D];中國(guó)礦業(yè)大學(xué);2009年
7 李琨;監(jiān)控技術(shù)與涌現(xiàn)性分析在煤礦瓦斯災(zāi)害防治中的應(yīng)用研究[D];昆明理工大學(xué);2009年
8 陳樹;聚類算法模型的研究及應(yīng)用[D];江南大學(xué);2007年
9 付華;煤礦瓦斯災(zāi)害特征提取與信息融合技術(shù)研究[D];遼寧工程技術(shù)大學(xué);2006年
相關(guān)碩士學(xué)位論文 前10條
1 魏小紅;基于流形學(xué)習(xí)算法和支持向量機(jī)的礦井瓦斯涌出量預(yù)測(cè)研究[D];中北大學(xué);2014年
2 閆鵬飛;基于最小二乘支持向量機(jī)的瓦斯涌出量預(yù)測(cè)控制[D];太原理工大學(xué);2014年
3 朱政江;基于神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化SVM的煤與瓦斯突出預(yù)測(cè)模型研究[D];太原理工大學(xué);2014年
4 程城;數(shù)據(jù)挖掘在煤礦瓦斯監(jiān)測(cè)系統(tǒng)中的應(yīng)用研究[D];西安科技大學(xué);2013年
5 張翔;基于GA-RBF算法的采煤工作面瓦斯涌出量預(yù)測(cè)研究[D];安徽理工大學(xué);2013年
6 張曉銘;基于PSO算法優(yōu)化的自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出預(yù)測(cè)中的應(yīng)用研究[D];太原理工大學(xué);2013年
7 趙嬌嬌;基于自然語(yǔ)言生成的關(guān)聯(lián)規(guī)則表示方法[D];河北師范大學(xué);2013年
8 李帥;基于計(jì)算智能的無線傳感器網(wǎng)絡(luò)自組織方法研究[D];南京郵電大學(xué);2013年
9 石俊俊;基于自然語(yǔ)言生成的畢業(yè)答辯輔助系統(tǒng)[D];長(zhǎng)安大學(xué);2012年
10 秦勇;基于灰色神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯涌出量預(yù)測(cè)模型研究[D];太原科技大學(xué);2011年
，本文編號(hào)：2034797
本文鏈接：http://sikaile.net/kejilunwen/anquangongcheng/2034797.html
