引入经验知识的煤矿冲击地压感知融合预测方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
51674109
项目类别：
面上项目
资助金额：
62.0万
负责人：
武俊峰
依托单位：
黑龙江科技大学
学科分类：
E0408.安全科学与工程
结题年份：
2020
批准年份：
2016
项目状态：
已结题
起止时间：
2017-01-01 至2020-12-31

项目参与者：
梁燕华；谢子殿；姜艳秋；蒋元男；刘刚；祁红岩；王安华；马鹤瑶；
关键词：
预测模型模糊神经网络煤矿动力灾害类人感知

项目摘要

The influence factors of deep coal mine dynamic disaster are very complex. This phenomenon cannot be directly observed and there is no effective prediction method by now. There are lots of singular characteristics of the deformation, stress, electrical, magnetic and acoustic information in advance. This project aims to study the coal mine rock burst prediction model.The evolution laws and dynamic responses under complex stress caused by coal mine burst would be explored firstly, the prediction model based on the multi-source information fusion would also be built. Meanwhile, we would optimize the parameters and cognitive range of the prediction model adopting the experience human knowledge. The ability to accurately predict would be realized by building the subhuman brain analysis based on fuzzy neural network, the prediction result obtained would be refined and classified to achieve high precision accordingly. This project would benefit for deep coal mine dynamic disaster forecasting to reduce the accident and loss of personnel and property significantly.

煤矿动力灾害具有发生机理复杂、不可直接观察等特点，尚无有效的预测方法对其实现准确预报。本项目针对煤矿动力灾害发生前普遍存在着地质变形、应力、电、磁、声等信息奇异性变化的特点，拟研究引入经验知识的煤矿冲击地压感知预测方法，通过研究深部煤岩体在复杂应力作用下冲击破裂后演化规律及其动力响应特征，引入经验知识实现认知区间划分和预测参数优化，构建深部煤矿动力灾害多源信息预测模型。并基于模糊神经网络构建类脑分析推理方法，实现预测模型具有类人感知的冲击地压精确预测能力，并通过对预测结果的分析提炼，最终实现煤矿冲击地压的高精度预测，从而解决当前煤矿冲击地压预测存在的缺乏高效预测方法的问题，实现对矿灾的提前预报，对减少矿难发生和人员财产损失具有重要的意义。

结项摘要

冲击地压是在煤岩开采过程中发生的动力破坏现象，由于复杂的地质条件和多样的开采方式使冲击地压具有较强地模糊性、非线性。冲击地压灾害的发生往往会造成较大的人员伤亡和财产损失，因此精准地预测冲击地压对于煤岩安全稳定开采具有重要意义。.提出多传感器同源信息融合技术，并利用RBF神经网络分别建立声发射振铃计数、应力融合模型；然后利用多参量特征融合法计算综合评价指数；随后对粒子群算法的加速度因子和惯性权重进行改进，并利用改进粒子群优化广义回归神经网络的光滑因子，建立以声发射振铃计数、应力为输入、综合评价指数为输出的ISPSO-GRNN冲击地压融合模型。.选取声发射特征信号的振铃计数和信号幅值、煤岩应力、红外辐射信号温度，利用多参量信息融合法计算综合危险指数并得到危险等级。利用SVM作为基础模型预测冲击地压。针对人为根据经验选取的SVM参数泛化能力差、预测精度低等问题，提出利用自适应惯性权重和随时变异的方法改进粒子群算法用来优化SVM约束惩罚程度的参数C和RBF核函数参数σ，将优化后的（C，σ）输入到SVM模型中完成优化，建立以声发射振铃计数和信号幅值、应力、以及红外辐射温度为输入、以多源信息融合结果综合危险指数为输出的AWPSO-SVM冲击地压预测模型，预测综合危险指数从而得到对应的危险等级。.利用FCM算法来确定冲击地压各指标的危险等级以及标准模型库，克服了确定危险等级对经验知识的依赖性，并使用模糊模型识别中的欧式贴近度方法预测冲击地压危险情况，提高了对冲击地压预测结果的可靠性。运用熵权法对各项指标的权重进行计算，通过对各指标熵值变化的分析计算，较好的提高了各指标对应权值的可靠性，从而避免了传统方法中权重求取时依靠主观的判断方式，解决了权重分配困难的问题，有效的对煤矿冲击地压作出预测。