CN101806229B - 基于多目标监测数据融合的煤矿顶板安全评价方法 - Google Patents
基于多目标监测数据融合的煤矿顶板安全评价方法 Download PDFInfo
- Publication number
- CN101806229B CN101806229B CN 201010126358 CN201010126358A CN101806229B CN 101806229 B CN101806229 B CN 101806229B CN 201010126358 CN201010126358 CN 201010126358 CN 201010126358 A CN201010126358 A CN 201010126358A CN 101806229 B CN101806229 B CN 101806229B
- Authority
- CN
- China
- Prior art keywords
- roof safety
- cap
- roof
- bel
- phi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于多目标监测数据融合的煤矿顶板安全评价方法,主要特点是:根据煤矿实际生产状况,将煤矿顶板安全状态定义为3个等级,确定顶板安全状况的辨识框架;计算机利用基于D-S证据理论数据融合模型对多目标监测传感器数据的基本概率进行融合,凸显顶板安全的某一状态,实现顶板安全状态的辨识;计算机再根据顶板安全状态分类决策规则对融合后的基本概率分配值进行分析,并输出顶板安全状态辨识结果,从而实现煤矿顶板安全状况的评价。本发明建立了煤矿顶板安全评估的概念框架,给出了基于D-S证据理论的多源数据分析、处理、分配、融合等信息处理步骤,极大地提高顶板评价指标信息的质量和可信度。
Description
技术领域
本发明是基于多源监测数据融合的煤矿顶板安全评价方法,属于监测与信息处理技术领域。
背景技术
近年来,煤矿开采过程中频繁发生的重大安全事故,已引起全社会的广泛关注。在各类煤矿事故中,顶板事故仍居前位。分析发生这些事故的原因,主要是在煤矿生产过程中缺乏有效的监测手段及信息处理技术。目前,许多煤矿建立了一系列顶板安全监测系统,采取的主要监测手段有:顶板压力监测、顶板离层监测、电磁辐射监测、常规矿压监测和微地震监测等,这些手段虽从不同的侧面反映了顶板安全状况,但具有很多不确定因素,因而无法全面评价顶板安全状况,且目前这些手段监测的数据离散性较大,数据处理手段相对落后,反馈指导生产的时间滞后,无法在事故发生前临近报警或预警。因此,针对煤矿顶板管理存在的这些问题,开展基于多目标监测数据融合技术研究顶板安全评估模型,对于预防煤矿顶板事故具有十分重要的意义。
信息融合技术是近年来发展起来的一种自动化信息综合处理技术,通过对来自不同传感器的信息进行处理,以改善信息的质量,提高信息的精度。数据融合的方法有很多,如聚类分析法、人工神经网络法、D-S证据理论法等等,与本发明有关的技术是D-S证据理论法。
发明内容
本发明的目的是:基于D-S证据理论的多源监测数据融合技术,提供一种煤矿顶板安全评价方法,该方法可以有效消除多源信息的不确定因素,提高顶板安全评价的准确度,克服仅凭一种监测信息做出决策从而可能影响顶板安全评价结果不准确的缺陷。
为达到上述目的,本发明采取的技术方案包括以下步骤:
第一步:根据煤矿实际生产状况,将煤矿顶板安全状态定义为3个等级,确定顶板安全状况的辨识框架,表示为:S={S1,S2,S3},各状态的含义见表1。
表1顶板安全状态表
第二步:建立基于D-S证据理论的顶板安全状态分类决策规则。
本发明基于煤矿顶板安全评价这一技术领域,提出以下分类决策规则:①顶板安全的目标状态应具有最大基本概率分配值;②目标状态的基本概率分配必须大于不确定性基本概率分配值;③目标状态的基本概率分配与其他类别的基本概率分配值之差应大于或等于设定阈值0.20;④目标状态的不确定性基本概率分配值应小于设定阈值0.30;
第三步:计算机采集某一周期煤矿顶板安全监测系统中的传感器数据,包括顶板压力、顶板离层、电磁辐射、微地震和常规矿压等数据,并将采集到的监测数据进行预处理,具体做法是:对采集到的各类监测数据进行归一化处理,按比例进行缩放,使其对顶板安全状况的判定值落在[0,1]范围内。这样可以将采集到的各类监测数据转化为对应证据的基本可信度分配值,使其具有统一表达方式,便于数据融合。
第四步:计算机应用基于D-S证据理论的多源数据融合算法对各类传感器数据进行融合,凸现顶板安全的某一状态,实现顶板安全状态的辨识。融合算法描述如下:
对于同一辨识框下的两个信度函数Bel1,Bel2,m1,m2为对应的基本可信度分配,则对两个信度函数的正交和为:A=Ai∩Bj,其总概率为:
如果Ai∩Bj=Ф,而因总概率为1,所以必须将Ai∩Bj=Ф部分删除,重新进行概率分配,利用归一化因子,公式(1)可改写为:
对于多个信度函数,其合成法则如下:设Bel1,Bel2,…,Beln为辨识框X上的信度函数,m1,m2,…mn为对应的基本可信度分配,如果Bel1,Bel2,…,Beln存在且基本可信度分配为m,则(Z≠X)。对n个证据源的合成公式定义为:
其中,
第五步:计算机根据第二步提出的顶板安全状态分类决策规则对融合后的基本概率分配值进行分析,并输出顶板安全状态辨识结果,从而实现煤矿顶板安全状况的评价。
本发明的积极效果是:本发明利用信息融合的理论和方法,建立了煤矿顶板安全评估的概念框架,给出了基于D-S证据理论的多源数据分析、处理、分配、融合等信息处理步骤。通过信息融合技术可以充分利用顶板监测多源信息的互补性、综合性,极大地提高顶板评价指标信息的质量和可信度。整个算法结构及过程简单,且能有效消除煤矿顶板多源监测数据信息的不确定因素,提高了顶板安全状态评估的准确度。
具体实施方式
下面以三类传感器为例具体说明本发明的技术方案。
假设某煤矿顶板安全监测系统使用三种传感器:M1-综采支架压力传感器、M2-顶板离层仪、M3-电磁辐射仪,目标识别框架为S={S1,S2,S3},分别表示顶板安全的危险、临界、安全三种不同状态,在某一采样周期对应的基本概率赋值如表2所示,其中A表示不确定命题基本概率赋值。
表2三类传感器的基本概率赋值
通过证据理论组合规则,M1与M2传感器融合的基本概率M1×2组合情况如表3所示。
表3M1、M2组合情况
由表2,根据上述公式(5)的计算,可得到M1(*),M2(*)类证据的冲突因子:
K=0.07+0.03+0.1+0.06+0.075+0.105=0.44
M1、M2传感器融合后的基本概率值为:
同理可以计算出传感器M1、M2及M3的证据冲突因子K=0.4998,融合后的基本概率值见表4。
表4融合后的基本概率值
从表2中虽然能看出每一个传感器的基本概率赋值在S2状态都为最大值,但不确定性的基本概率赋值也很大,因此不能清晰地从单个传感器判断目标处于哪种状态,随着多个证据的融合,对状态判断的不确定性逐渐下降,而且S2状态的基本概率值也凸显出来。
结合表4的计算结果,根据第四步顶板安全状态分类决策规则可以判定,状态S2为最大可信度,且符合顶板安全状态分类决策规则设定的阈值,故状态S2满足融合规则,本次顶板安全状态识别的结果为S2,即临界状态。
Claims (2)
1.一种基于多目标监测数据融合的煤矿顶板安全评价方法,其特征在于,包括以下步骤:
第一步:根据煤矿实际生产状况,将煤矿顶板安全状态定义为3个等级,确定顶板安全状况的辨识框架,表示为:S={S1,S2,S3},其中:S1代表危险状态,S2代表临界状态,S3代表安全状态;
第二步:建立基于D-S证据理论的顶板安全状态分类决策规则,规则如下:
①顶板安全的目标状态应具有最大基本概率分配值;
②目标状态的基本概率分配必须大于不确定性基本概率分配值;
③目标状态的基本概率分配与其他类别的基本概率分配值之差应大于或等于设定阈值0.20;
④目标状态的不确定性基本概率分配值应小于设定阈值0.30;
第三步:计算机采集某一周期煤矿顶板安全监测系统中的多目标传感器数据,并将采集到的监测数据进行预处理,具体做法是:对采集到的各类监测数据进行归一化处理,按比例进行缩放,使其对顶板安全状况的判定值落在[0,1]范围内,这样将采集到的各类监测数据转化为对应证据的基本可信度分配值,使其具有统一表达方式,便于数据融合;
第四步:计算机应用基于D-S证据理论的多源数据融合算法对各类传感器数据进行融合,凸现顶板安全的某一状态,实现顶板安全状态的辨识;融合算法描述如下:
对于同一辨识框下的两个信度函数Bel1,Bel2,m1,m2为对应的基本可信度分配,则对两个信度函数的正交和为:A=Ai∩Bj,其总概率为:
如果Ai∩Bj=Φ,而 因总概率为1,所以必须将Ai∩Bj=Φ部分删除,重新进行概率分配,利用归一化因子,公式(1)改写为:
对于多个信度函数,其合成法则如下:设Bel1,Bel2,…,Beln为辨识框X上的信度函数,m1,m2,…,mn为对应的基本可信度分配,如果Bel1,Bel2,…,Beln存在且基本可信度分配为m,则;对n个证据源的合成公式定义为:
其中,
第五步:计算机根据第二步提出的顶板安全状态分类决策规则对融合后的基本概率分配值进行分析,并输出顶板安全状态辨识结果,从而实现煤矿顶板安全状况的评价。
2.如权利要求1所述的基于多目标监测数据融合的煤矿顶板安全评价方法,其特征在于,所述的多目标传感器数据包括顶板压力、顶板离层、电磁辐射、微地震和常规矿压数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010126358 CN101806229B (zh) | 2010-03-15 | 2010-03-15 | 基于多目标监测数据融合的煤矿顶板安全评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010126358 CN101806229B (zh) | 2010-03-15 | 2010-03-15 | 基于多目标监测数据融合的煤矿顶板安全评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101806229A CN101806229A (zh) | 2010-08-18 |
CN101806229B true CN101806229B (zh) | 2013-06-19 |
Family
ID=42608162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010126358 Expired - Fee Related CN101806229B (zh) | 2010-03-15 | 2010-03-15 | 基于多目标监测数据融合的煤矿顶板安全评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101806229B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102242642B (zh) | 2011-03-30 | 2013-03-06 | 中国矿业大学 | 一种煤与瓦斯突出危险性多元信息耦合预测方法 |
CN102913285B (zh) * | 2012-11-02 | 2015-06-17 | 中滦科技有限公司 | 矿井顶板危险报警的方法 |
CN103093390B (zh) * | 2013-01-25 | 2016-08-31 | 河南理工大学 | 一种基于联合聚类的煤矿安全评价系统 |
CN103244179B (zh) * | 2013-04-28 | 2015-10-21 | 中国矿业大学 | 一种预测煤矿井下冲击矿压危险的评估方法 |
CN104134004B (zh) * | 2014-07-31 | 2017-10-27 | 哈尔滨工程大学 | 一种基于d‑s证据理论的海洋环境安全评估方法 |
CN106121721B (zh) * | 2016-07-22 | 2018-01-30 | 辽宁工程技术大学 | 一种坚硬顶板工作面矿压显现分级方法 |
CN106884677B (zh) * | 2017-04-10 | 2019-03-15 | 大同煤矿集团有限责任公司 | 坚硬顶板特厚煤层开采强矿压预测预控方法 |
CN107422373B (zh) * | 2017-04-21 | 2018-05-18 | 山东科技大学 | 一种基于特征漂移的煤矿冲击地压灾害在线预警方法 |
CN108090515B (zh) * | 2017-12-27 | 2020-04-21 | 南京邮电大学 | 一种基于数据融合的环境等级评估方法 |
CN108343472B (zh) * | 2018-02-07 | 2020-09-22 | 大连理工大学 | 一种隧道施工爆破环境效应智能评判系统 |
CN111504778B (zh) * | 2020-03-16 | 2023-09-05 | 天地科技股份有限公司 | 液压支架支护能力的检测方法 |
CN111667193B (zh) * | 2020-06-12 | 2024-01-02 | 中国矿业大学(北京) | 一种基于d-s证据理论的煤矿瓦斯安全评价方法 |
CN113586157B (zh) * | 2021-09-02 | 2023-09-22 | 重庆大学 | 基于克里金插值的回采工作面突出危险区快速划分方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676881A (zh) * | 2005-05-20 | 2005-10-05 | 中国科学院计算技术研究所 | 一种基于传感器网络的井下安全监测系统、装置及方法 |
CN1845091A (zh) * | 2006-05-17 | 2006-10-11 | 刘韬 | 矿井瓦斯涌出量的预测方法 |
CN101063410A (zh) * | 2006-04-25 | 2007-10-31 | 深圳威迪泰通信技术有限公司 | 矿井安全预警与救援信息系统 |
-
2010
- 2010-03-15 CN CN 201010126358 patent/CN101806229B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1676881A (zh) * | 2005-05-20 | 2005-10-05 | 中国科学院计算技术研究所 | 一种基于传感器网络的井下安全监测系统、装置及方法 |
CN101063410A (zh) * | 2006-04-25 | 2007-10-31 | 深圳威迪泰通信技术有限公司 | 矿井安全预警与救援信息系统 |
CN1845091A (zh) * | 2006-05-17 | 2006-10-11 | 刘韬 | 矿井瓦斯涌出量的预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101806229A (zh) | 2010-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101806229B (zh) | 基于多目标监测数据融合的煤矿顶板安全评价方法 | |
CN101996157B (zh) | 证据高冲突环境下多源信息融合方法 | |
Alawad et al. | Learning from accidents: Machine learning for safety at railway stations | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN110796859A (zh) | 基于交通流的实时交通状态辨识及事故风险预警方法 | |
CN101403676B (zh) | 基于d-s证据理论的绝缘子憎水性等级融合判决方法 | |
CN107065834B (zh) | 湿法冶金过程中浓密机的故障诊断方法 | |
CN112185549B (zh) | 基于临床表型和逻辑回归分析的食管鳞癌风险预测系统 | |
CN103473459A (zh) | 一种多系统大数据的处理及融合方法 | |
CN117152893B (zh) | 一种森林防灾方法及系统 | |
CN109088869B (zh) | Apt攻击检测方法及装置 | |
CN109655298A (zh) | 一种大跨度金属屋面的故障实时预警方法及装置 | |
CN102913285B (zh) | 矿井顶板危险报警的方法 | |
CN106779215B (zh) | 一种基于机器学习的电网全局延时态势感知方法 | |
CN106198749B (zh) | 一种基于金属裂纹监测的多路传感器的数据融合方法 | |
CN104597516A (zh) | 一种矿井突水水源快速判别系统 | |
CN110633729A (zh) | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 | |
CN109490072A (zh) | 一种土木工程建筑用检测系统及其检测方法 | |
CN110619457A (zh) | 一种基于安全态势评估的监测传感器布设方法及系统 | |
CN103198362A (zh) | 一种煤矿安全评估的方法 | |
CN112836967B (zh) | 新能源汽车电池安全风险评估系统 | |
CN104200599B (zh) | 公交车多传感器火灾检测方法 | |
CN114417981A (zh) | 一种智能河长巡测系统 | |
CN103310088A (zh) | 照明电耗异常的自动检测方法 | |
CN116257651A (zh) | 一种贯通道渡板异响智能监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130619 Termination date: 20190315 |
|
CF01 | Termination of patent right due to non-payment of annual fee |