本文關(guān)鍵詞：結(jié)合DBN-CBR的Agent救援決策模型的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：一直以來，各種煤礦災(zāi)害給我國(guó)的煤炭工業(yè)帶來了巨大的經(jīng)濟(jì)損失，導(dǎo)致了多次重大的人員傷亡，給我國(guó)煤炭工業(yè)的可持續(xù)發(fā)展和社會(huì)的和諧穩(wěn)定造成了極大的危害。傳統(tǒng)的煤礦虛擬仿真技術(shù)是利用虛擬現(xiàn)實(shí)技術(shù)，根據(jù)煤礦井下的各種數(shù)據(jù)，對(duì)煤礦井下的生產(chǎn)環(huán)境進(jìn)行模擬和仿真，可以在煤礦虛擬場(chǎng)景中進(jìn)行各種煤礦災(zāi)害演示，對(duì)煤礦工作人員進(jìn)行安全培訓(xùn)，以最大程度地降低煤礦災(zāi)害的發(fā)生率和提高煤礦災(zāi)害事故的應(yīng)急救援決策能力。 案例推理技術(shù)具備重用歷史經(jīng)驗(yàn)的能力，歷史案例對(duì)重復(fù)率較高的煤礦災(zāi)害有較強(qiáng)的指導(dǎo)意義，貝葉斯網(wǎng)絡(luò)模型能夠處理煤礦災(zāi)害事故應(yīng)急救援決策中常存在的數(shù)據(jù)缺失問題，智能主體(Agent)技術(shù)在智能性和動(dòng)態(tài)性上的優(yōu)勢(shì)，對(duì)復(fù)雜多變的問題尤為適用。本文以動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)合案例推理模型(DBN-CBR)建立應(yīng)急救援決策模型和智能主體技術(shù)為基礎(chǔ)，針對(duì)煤礦災(zāi)害重復(fù)率高和動(dòng)態(tài)變化的特點(diǎn)，具體研究如下： 首先，本文在通過Agent的智能性以及煤礦災(zāi)害的分析，，研究了一種面向任務(wù)的Agent體系結(jié)構(gòu)，結(jié)合Agent模型改進(jìn)作業(yè)條件危險(xiǎn)性評(píng)價(jià)法(LEC)的安全評(píng)價(jià)方法，對(duì)井下災(zāi)情進(jìn)行現(xiàn)場(chǎng)評(píng)價(jià)，為后續(xù)的救援決策提供危險(xiǎn)等級(jí)的參考數(shù)據(jù)，加快煤礦災(zāi)害的救援決策。 其次，利用貝葉斯網(wǎng)絡(luò)的優(yōu)勢(shì)，構(gòu)建出DBN-CBR模型。在傳統(tǒng)案例推理的理論基礎(chǔ)上，結(jié)合新提出的動(dòng)態(tài)增量式期望最大化貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)方法，改進(jìn)了煤礦災(zāi)害事故應(yīng)急救援決策過程中的相似度評(píng)價(jià)函數(shù)。在此基礎(chǔ)上，提出了案例庫(kù)的組織方式：K-D樹組織，通過這種方式，有效的提高了案例檢索的效率。 最后，結(jié)合基于案例推理的DBN-CBR模型和災(zāi)情現(xiàn)場(chǎng)評(píng)價(jià)參數(shù)，設(shè)計(jì)并實(shí)現(xiàn)了虛擬煤礦災(zāi)害事故應(yīng)急救援決策仿真系統(tǒng)，并通過針對(duì)煤礦瓦斯爆炸的實(shí)例驗(yàn)證了本文提出的模型以及思想的有效性。
【關(guān)鍵詞】：案例推理 智能主體 LEC 貝葉斯網(wǎng)絡(luò) 煤礦災(zāi)害
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TD774;TP18
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-7
• 目錄7-9
• Contents9-11
• 圖清單11-13
• 表清單13-14
• 1 緒論14-20
• 1.1 研究背景及意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-18
• 1.3 本文主要工作18-19
• 1.4 本文組織結(jié)構(gòu)19-20
• 2 相關(guān)技術(shù)介紹20-30
• 2.1 案例推理技術(shù)20-24
• 2.2 貝葉斯網(wǎng)絡(luò)技術(shù)24-27
• 2.3 智能主體技術(shù)27-29
• 2.4 本章小結(jié)29-30
• 3 基于 Agent 體系結(jié)構(gòu)的 LEC 災(zāi)情現(xiàn)場(chǎng)評(píng)價(jià)30-44
• 3.1 煤礦應(yīng)急救援決策響應(yīng)模型30-31
• 3.2 面向任務(wù)型的多 Agent 體系結(jié)構(gòu)31-35
• 3.3 基于改進(jìn)的 LEC 的災(zāi)情現(xiàn)場(chǎng)評(píng)價(jià)方法35-41
• 3.4 基于 Agent 體系結(jié)構(gòu)的 LEC 災(zāi)情現(xiàn)場(chǎng)評(píng)價(jià)實(shí)例41-43
• 3.5 本章小結(jié)43-44
• 4 基于 DBN-CBR 的煤礦災(zāi)害事故的應(yīng)急救援決策模型44-65
• 4.1 貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)與構(gòu)建44-52
• 4.2 基于 CBR 的煤礦事故決策概念模型52-54
• 4.3 案例屬性的預(yù)處理及組織54-58
• 4.4 基于相似度函數(shù) K-D 樹的案例檢索58-62
• 4.5 人機(jī)結(jié)合的案例改寫策略62-63
• 4.6 DBN-CBR 混合模型煤礦災(zāi)害應(yīng)急救援系統(tǒng)結(jié)構(gòu)63-64
• 4.7 本章小結(jié)64-65
• 5 虛擬煤礦災(zāi)害救援仿真系統(tǒng)的實(shí)現(xiàn)65-72
• 5.1 虛擬煤礦瓦斯爆炸救援決策仿真系統(tǒng)的總體設(shè)計(jì)65-66
• 5.2 主要功能模塊介紹66-71
• 5.3 本章小結(jié)71-72
• 6 總結(jié)和展望72-74
• 6.1 總結(jié)72-73
• 6.2 展望73-74
• 參考文獻(xiàn)74-78
• 作者簡(jiǎn)介78-80
• 學(xué)位論文數(shù)據(jù)集80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 宋東;劉飛;吳信永;;CBR故障診斷系統(tǒng)中的案例自修改方法研究及應(yīng)用[J];測(cè)控技術(shù);2008年05期

2 張英菊;仲秋雁;葉鑫;裘江南;曲曉飛;;CBR的應(yīng)急案例通用表示與存儲(chǔ)模式[J];計(jì)算機(jī)工程;2009年17期

3 王海棠;顧君忠;楊靜;葉蘭御;;基于本體的相似性計(jì)算實(shí)現(xiàn)高性能案例推理[J];計(jì)算機(jī)時(shí)代;2009年01期

4 孫兆林,楊宏文,胡衛(wèi)東;基于貝葉斯網(wǎng)絡(luò)的態(tài)勢(shì)估計(jì)方法[J];計(jì)算機(jī)應(yīng)用;2005年04期

5 張光前,鄧貴仕;基于事例推理中差異驅(qū)動(dòng)的事例修改策略研究[J];計(jì)算機(jī)應(yīng)用;2005年07期

6 王卸云;;淺談LEC法在非煤礦山安全評(píng)價(jià)中的應(yīng)用[J];金屬礦山;2008年01期

7 何漢明,何華燦;社會(huì)Agent的思維模型[J];計(jì)算機(jī)應(yīng)用研究;2005年07期

8 李玲娟;湯文宇;王汝傳;;基于XML的案例表示和案例庫(kù)構(gòu)造方法[J];計(jì)算機(jī)應(yīng)用研究;2007年11期

9 張英菊;仲秋雁;葉鑫;曲曉飛;;基于案例推理的應(yīng)急輔助決策方法研究[J];計(jì)算機(jī)應(yīng)用研究;2009年04期

10 朱傳敏;周潤(rùn)青;陳明;李營(yíng)壘;;故障樹與案例推理在數(shù)控機(jī)床故障診斷專家系統(tǒng)中的應(yīng)用研究[J];制造業(yè)自動(dòng)化;2011年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 李義華;基于多智能體的物流配送車輛調(diào)度決策方法研究[D];中南大學(xué);2012年

  本文關(guān)鍵詞：結(jié)合DBN-CBR的Agent救援決策模型的研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：279865