CN103674921A

CN103674921A - 基于k最近邻法煤矿井下突水水源预测的检测方法

Info

Publication number: CN103674921A
Application number: CN201310700589.1A
Authority: CN
Inventors: 周孟然; 聂梦雅; 闫鹏程; 宫关; 付学强; 马云川
Original assignee: Anhui University of Science and Technology
Current assignee: Anhui University of Science and Technology
Priority date: 2013-12-18
Filing date: 2013-12-18
Publication date: 2014-03-26

Abstract

本发明公开了一种基于K最近邻法的煤矿突水水源预测方法，基于K最近邻法，采用Nd:YAG固体激光器发出激光聚焦在待测水体上，该水体在激光激发下产生荧光光谱信号，将荧光探头采集到的光谱信号照射到多道探测器中并经过信号处理，得到反应待测水体水质情况的信号数据，与相同测定条件下的反应正常水体水质情况的信号数据进行比较，然后在ARM7处理器中利用K最近邻法构建模式识别模型，对待测水体数据分析，经过演算可以获得较准确的煤矿井下水源水质变化情况，从而预估出未来矿井下的突水的预测，以确保井下工作人员的安全。

Description

基于K最近邻法煤矿井下突水水源预测的检测方法

技术领域

本发明涉及煤矿井下突水水源预测方法领域，具体为一种基于K最近邻法的煤矿井下突水水源预测的检测方法。

背景技术

随着我国经济的逐步发展，煤炭开采技术逐渐向高产高效的方向发展。但是近年来，我国频繁发生煤矿突水事故，严重制约着我国煤炭事业的发展。煤矿突水的主要在于预防，突水预测是预防的根本。根据多年对煤矿突水水源的研究，得知矿区各层地下水体所处的水文地球化学环境不同，使影响煤矿生产的矿井突水水源也不一样，即用于判别矿井突水水源的特征离子也不相同。突水水源预测的主要任务就是找到能代表每段水体特征的代表离子,并在此基础上对突水的来源进行识别。依据对水中离子的分析，就能建立一个系统、全面的矿井井下突水水源预测系统，就可以对矿井井下突水水源进行准确预测，并有效预防和减少突水事故的发生。

目前国内外都已经发展了人工智能化预测，如采用BP神经网络算法来预测，在预测准确性和可靠性等方面有了较大的提高，但这种算法主要问题是，由于该算法训练次数多，故效率低下，收敛速度较慢，以及目标函数易陷入局部极小值，限制了其应用。

发明内容

本发明的目的是提供一种基于K最近邻法的煤矿突水水源预测方法，以解决现有技术预测方法收敛速度慢和局部收敛的问题。

为了达到上述目的，本发明所采用的技术方案为：

基于K最近邻法的煤矿井下突水源预测方法，其特征在于：基于K最近邻法，采用Nd:YAG固体激光器发出激光聚焦在待测水体上，该水体在激光激发下产生荧光光谱信号，将荧光探头采集到的光谱信号照射到多道探测器中，得到的反应待测水体水质情况的电信号，与相同测定条件下的反应正常水体水质情况的电信号进行比较，然后在ARM7处理器中利用K最近邻法构建模式识别模型，对待测水体数据分析，从而能够获得煤矿水源水质变化情况，从而预估出未来矿井下的突水情况，包括以下步骤：

（1）根据待测区域的地域情况，采集多个水样，采用Nd:YAG固体激光器依次发出激光聚焦在各样本上；利用荧光探头收集产生的光谱信号，将探头收集到的荧光最大限度的照射到多道探测器中；

（2）在所述多道探测器中，具有多个光敏单元和自扫描功能，可同时采集多个波长点的数据，然后将数据输入微控制器进行分析与处理；

（3）在ARM7处理器内部编程，使外部I/O口产生驱动脉冲，驱动脉冲输入到多道探测器，多道探测器开始工作；多道探测器接收荧光信号后，将荧光信号转变为电信号，该电信号经过电流驱动放大电路从而再进入偏置电路并放大，和电子滤波，处理后的信号送到Atmega128引脚，进行A/D采样，转化数字量数据作为反映待测水体水质情况的信号储存；

（4）在ARM7处理器中采用K最近邻法构建模式识别模型，结合模型对步骤（3）中得到的反映待测水体水质情况的信号数据以及之前采集的反映正常水体水质情况的信号数据进行学习，以“同类样本在模式空间相互较靠近”为依据进行分类，判断两者的相似，最后得出该井下部位是否会发生突水。

所述荧光探头为浸没式荧光探头，荧光探头实时采集的数据分别送入多道探测器中进行分析与处理。

所述多道探测器可采用CCD光探测器，使用堆垛方式加大探测的动态范围。

所述ARM7处理器通过K最近邻法构建模式识别模型，由多道探测器采集得到的荧光信号转化成电信号，进行处理，与正常水体水质的数据进行学习，比较，最后得出该井下部位是否会发生突水。

本发明根据矿井井下的特殊结构采用浸没式荧光探头埋在矿井井下的各个平面的不同位置进而对是否发生突水进行实时预测，然后考虑到矿井深度、供电和走线简单方便等问题，本发明数据用激光源照射待测水体，产生的信号送到多道探测器，多道探测器将荧光信号转化为电信号，将电信号进行处理，送入ARM7处理器进行分析。其中多道探测器由多个监测单元按线阵排列的检测器件，可同时采集多个波长点的数据，扩大检测范围。电信号经过电流驱动放大电路从而再进入偏置电路，使微弱的光谱信号放大，对放大的信号进行电子滤波，然后将数据远程传到PC机，用K最近邻法建立模式识别模型，对采集的数据进行分析。经过演算可以获得较准确的煤矿井下是否突水的预测，以确保井下工作人员的安全。

本发明从矿井井下突水安全性出发，以及工作人员进出矿井的实际情况，充分利用K最近邻法的优点对井下突水状况进行预测，以实现在事故情况未发生时，及时进行修复，以确保井下工作人员的安全。

本发明易携带、数据传输可靠、预测精度高、速度快、稳定性好、寿命长并采用先进的K最近邻法对井下突水水源进行预测，大大提高了预测的快速性和准确性。

附图说明

图1为本发明所采用的检测装置系统框图。

图2为本发明煤矿突水水源预测原理框图。

图3为本发明ARM7控制器建立K最近邻法模型的系统框图。

具体实施方式

基于K最近邻法的煤矿井下突水源预测方法，其特征在于：基于K最近邻法，采用Nd:YAG固体激光器发出激光聚焦在待测水体上，该水体在激光激发下产生荧光光谱信号，将荧光探头采集到的光谱信号照射到多道探测器中，得到的反应待测水体水质情况的电信号，与相同测定条件下的反应正常水体水质情况的电信号进行比较，然后在ARM7处理器中利用K最近邻法构建模式识别模型，对待测水体数据分析，从而能够获得煤矿水源水质变化情况，从而预估出未来矿井下的突水情况。包括以下步骤：

（3）在ARM7处理器内部编程，使外部I/O口产生驱动脉冲，驱动脉冲输入到多道探测器，多道探测器开始工作；多道探测器接收荧光信号后，将荧光信号转变为电信号，该电信号经过电流驱动放大电路从而再进入偏置电路并放大，和电子滤波，处理后的信号送到Atmega128引脚，进行A/D采样，转化数字量数据作为反映待测水体水质情况的信号储存。

所述的K最近邻法的数学模型，是一种基于类比的算法，基本思想是以在多维空间中找到与待测样本最近邻的K个点,然后根据这K个样本点的类别来判断未知样本的类别。类似的,回归估计也可以用K最近邻法分析,即以这K个点作为训练样本来计算待测点的值。其近邻性用欧氏距离定义,对每个待判的未知样本逐一与训练集样本之间的距离进行计算，对其中最近的k个进行判别。设两个样本分别为x_i={x_i,1,x_i,2,……x_i,m}与y_i={y_j,1,y_j,2,……y_j,m},则欧氏距离如下式：

Dist (x_{i}, y_{j}) = \sqrt{Σ_{i = 1}^{m} {(x_{i, a} - y_{j, a})}^{2}}

如果k=1，这一最近邻样本显然属于何类，未知待判别样本也属于何类。当k>1时,此k个最近邻样本并非全为同一类。应采用“表决”的方法，如果在这个最小距离中，包含第1类训练集的样本数较多，距离又小，则可判待分类样本属于第2类；依次类推。在仅考虑两类判别的问题时，可按下式计算判别函数S:

S = Σ_{i = 1}^{k} \frac{S_{i}}{D_{i}}

式中，S_i为训练集中第i个样本的取值，当i属于第1类时取正1，当i属于第2类时取负1；D_i是未知样本点与第i个样本点之间的距离。把正常水体的水质样本做为已知样本集，将训练样本集样本的主要性质及类别教给PC机，让PC机通过训练或学习建立一个模式识别模型，然后利用建立的数学模型对一些样本进行识别；在距离相同的情况下，哪一类样本越多，S值的正或负随着此样本的数量增大而增大：在样本相同的情况下，距离与值成正比，值越大即距离越远，相似性小，对总S的贡献越小。因此，当上式计算的S值为正，则待判别的样本属于第1类；当S值为负，则待判别的样本属于第2类。

所述的K最近邻法在ARM7实现如图3所示，整个系统由五个部分组成，按功能分为：接收模块、电路模块、接口模块、控制模块和K最近邻法模块组成和PC机处理系统。接收模块即多道探测器接收荧光信号，电路模块完成了弱信号放大，电子滤波等问题，控制模块完成了传输状态信息的返回、算法模块的初始化及调度问题，使整个系统有条不紊的进行工作。系统的核心是K最近邻法模块，此模块直接实现了K最近邻法的功能，分类是以“同类样本在模式空间相互较靠近”为依据进行的。接口模块是用来实现完成PC机与神经网络之间的数据传输。传输函数的实现，通过ARM7内嵌uC/OS操作系统建立任务运行。

Claims

1.基于K最近邻法的煤矿井下突水源预测方法，其特征在于：基于K最近邻法，采用Nd:YAG固体激光器发出激光聚焦在待测水体上，该水体在激光激发下产生荧光光谱信号，将荧光探头采集到的光谱信号照射到多道探测器中并经过电路处理，得到反应待测水体水质情况的信号数据，与相同测定条件下的反应正常水体水质情况的信号数据进行比较，然后在ARM7处理器中利用K最近邻法构建模式识别模型，对待测水体数据分析，从而能够获得煤矿水源水质变化情况，从而预估出未来矿井下的突水情况，包括以下步骤：

（3）在ARM7处理器内部编程，使外部I/O口产生驱动脉冲，驱动脉冲输入到多道探测器，多道探测器开始工作；多道探测器接收荧光信号后，将荧光信号转变为电信号，该电信号经过电流驱动放大电路从而再进入偏置电路并放大，和电子滤波，处理后的信号送到Atmega128引脚，进行A/D采样，转化信号数据作为反映待测水体水质情况的信号储存；

2.根据权利要求1所述的基于K最近邻法的煤矿井下突水水源预测方法，其特征在于：所述荧光探头为浸没式荧光探头，荧光探头实时采集的数据分别送入多道探测器中进行分析与处理。

3.根据权利要求1所述的基于K最近邻法的煤矿井下突水水源预测方法，其特征在于：所述多道探测器可采用CCD光探测器，使用堆垛方式加大探测的动态范围。

4.根据权利要求1所述的基于K最近邻法的煤矿井下突水水源预测方法，其特征在于：所述ARM7处理器通过K最近邻法构建模式识别模型，由多道探测器采集得到的荧光信号转化成电信号，进行处理，与正常水体水质的数据进行学习，比较，最后得出该井下部位是否会发生突水。