CN106447240A - 一种基于模糊聚类的矿井安全评价方法 - Google Patents

Abstract

本发明提出了一种基于模糊聚类的矿井安全评价方法，对煤矿生产过程中矿井的安全评价指标结果进行综合评价，该聚类方法融合K‑means、FCM、FCCI方法。在本方法中，针对煤矿安全管理中的通风安全监控、运输和提升、瓦斯和粉尘防治、矿井防火、井下爆破安全、矿井防冒顶、矿井防透水等7个因素进行综合分析，分析后的评价结论可以为煤矿企业的安全管理决策提供技术依据。相比FCM方法与FCCI方法，减少了迭代次数，提升了运算速率，且因采用K‑means方法的聚类中心选取办法，消除了类簇为空的现象。而且该方法的准确率相比FCCI方法，得到了小部分的提升。

Description

一种基于模糊聚类的矿井安全评价方法

技术领域

本发明属于煤矿安全领域。

背景技术

煤矿生产的安全问题一直产业安全中的重中之重。在整个煤矿生产过程中经常受到各种灾害事故的威胁，如火灾、水灾、瓦斯和冒顶等。因此拥有一个科学的、准确的、全面的安全评测系统尤为重要。煤矿的矿井安全受多个因素所影响，如通风安全监控、瓦斯和粉尘防治、井下爆破安全、矿井防冒顶、矿井防透水等。对这些因素进行一个综合的评测，就可以有效、合理地防范灾害事故的发生，提升矿井的安全系数。

发明内容

基于上述各个因素的研究，本发明提出了一种基于模糊聚类的矿井安全评价方法，对煤矿生产过程中矿井的安全评价指标结果进行综合评价，该聚类方法融合K-means、FCM、FCCI方法。

该方法包括以下步骤：

(1)数据准备：将第i个矿井K_i表示为向量形式其中x_i1、x_i2、x_i3、x_i4、x_i5、x_i6、x_i7分别表示矿井K_i的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值，得到N个矿井所对应的向量其中i为自然数，且1≤i≤N；

(2)对数据使用模糊聚类方法，针对N个矿井向量使用模糊聚类方法进行聚类，具体步骤如下：

1)首先根据改进的K-means方法，求出c个聚类中心。具体步骤如下：

1.随机选择c个矿井作为聚类中心；

2.计算每个矿井到聚类中心的欧氏距离d_cij＝w_i||x_ij-p_cj||，其中p_cj为第c个聚类中心的第j个属性值，x_ij为第i个样本的第j个属性值，w_i为第i个矿井的加权数，其中,在第一次循环中w₁＝1，之后的循环中w_i的值为第i个矿井与其所在类簇的其他矿井之间距离的均值；

3.比较矿井到各聚类中心的距离，并根据最小距离进行划分，重新计算每个聚类的均值，作为新的聚类中心。

4.重复步骤2与步骤3直至聚类中心不再变化，此时得到c个聚类中心；

2)根据上述得到的聚类中心，计算隶属度其中u_ci为第i个矿井对第c个聚类中心的隶属度，其值介于0和1之间，且约束条件为d_kij＝w_i||x_ij-p_kj||为第i个矿井到第k个聚类中心之间的欧氏距离，且m∈[1,∞)是加权指数；

3)计算其隶属关系其中T_v是权重；

4)根据v_cj，再次计算隶属度其中T_u是权重；最终根据u_ci，比较第i个矿井对c个类簇的隶属度，得到隶属度最大值，则将该矿井划分到其最大值所对应的类簇中，得到c个类簇P₁,P₂,...,P_c，即完成对矿井向量空间的聚类。

在本方法中，针对煤矿安全管理中的通风安全监控、运输和提升、瓦斯和粉尘防治、矿井防火、井下爆破安全、矿井防冒顶、矿井防透水等7个因素进行综合分析，分析后的评价结论可以为煤矿企业的安全管理决策提供技术依据。

附图说明

图1为基于模糊聚类的矿井安全评价方法流程图。

具体实施方式

一种基于模糊聚类的矿井安全评价方法，该方法包括以下步骤：

(1)数据准备：将第i个矿井K_i表示为向量形式其中x_i1、x_i2、x_i3、x_i4、x_i5、x_i6、x_i7分别表示矿井K_i的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值，得到N个矿井所对应的向量其中i为自然数，且1≤i≤N；

(2)对数据使用模糊聚类方法，针对N个矿井向量使用模糊聚类方法进行聚类，具体步骤如下：

1)首先根据改进的K-means方法，求出c个聚类中心。具体步骤如下：

1.随机选择c个矿井作为聚类中心；

2.计算每个矿井到聚类中心的欧氏距离d_cij＝w_i||x_ij-p_cj||，其中p_cj为第c个聚类中心的第j个属性值，x_ij为第i个样本的第j个属性值，w_i为第i个矿井的加权数，其中,在第一次循环中w₁＝1，之后的循环中w_i的值为第i个矿井与其所在类簇的其他矿井之间距离的均值；

3.比较矿井到各聚类中心的距离，并根据最小距离进行划分，重新计算每个聚类的均值，作为新的聚类中心。

4.重复步骤2与步骤3直至聚类中心不再变化，此时得到c个聚类中心；

2)根据上述得到的聚类中心，计算隶属度其中u_ci为第i个矿井对第c个聚类中心的隶属度，其值介于0和1之间，且约束条件为d_kij＝w_i||x_ij-p_kj||为第i个矿井到第k个聚类中心之间的欧氏距离，且m∈[1,∞)是加权指数；

3)计算其隶属关系其中T_v是权重；

4)根据v_cj，再次计算隶属度其中T_u是权重；最终根据u_ci，比较第i个矿井对c个类簇的隶属度，得到隶属度最大值，则将该矿井划分到其最大值所对应的类簇中，得到c个类簇P₁,P₂,...,P_c，即完成对矿井向量空间的聚类。

该方法由K-means方法、FCM方法和FCCI方法融合而成，相比FCM方法与FCCI方法，减少了迭代次数，提升了运算速率，且因采用K-means方法的聚类中心选取办法，消除了类簇为空的现象。而且该方法的准确率相比FCCI方法，得到了小部分的提升。

经由此方法对煤矿生产过程中矿井的安全评价指标结果进行分析、评估，得到的结果可以作为煤矿企业的管理决策的依据，实现煤矿企业对其安全更为科学、准确的评估。

Claims (1)

1.一种基于模糊聚类的矿井安全评价方法，其特征在于：该方法包括以下步骤：

(1)数据准备：将第i个矿井K_i表示为向量形式其中x_i1、x_i2、x_i3、x_i4、x_i5、x_i6、x_i7分别表示矿井K_i的通风安全监控数值、运输和提升数值、瓦斯和粉尘防治数值、矿井防火数值、井下爆破安全数值、矿井防冒顶数值、矿井防透水数值，得到N个矿井所对应的向量其中i为自然数，且1≤i≤N；

(2)对数据使用模糊聚类方法，针对N个矿井向量使用模糊聚类方法进行聚类，具体步骤如下：

1)首先根据改进的K-means方法，求出c个聚类中心。具体步骤如下：

1.随机选择c个矿井作为聚类中心；

2.计算每个矿井到聚类中心的欧氏距离d_cij＝w_i||x_ij-p_cj||，其中p_cj为第c个聚类中心的第j个属性值，x_ij为第i个样本的第j个属性值，w_i为第i个矿井的加权数，其中,在第一次循环中w₁＝1，之后的循环中w_i的值为第i个矿井与其所在类簇的其他矿井之间距离的均值；

3.比较矿井到各聚类中心的距离，并根据最小距离进行划分，重新计算每个聚类的均值，作为新的聚类中心。

4.重复步骤2与步骤3直至聚类中心不再变化，此时得到c个聚类中心；

2)根据上述得到的聚类中心，计算隶属度其中u_ci为第i个矿井对第c个聚类中心的隶属度，其值介于0和1之间，且约束条件为d_kij＝w_i||x_ij-p_kj||为第i个矿井到第k个聚类中心之间的欧氏距离，且m∈[1,∞)是加权指数；

3)计算其隶属关系其中T_v是权重；

4)根据v_cj，再次计算隶属度其中T_u是权重；最终根据u_ci，比较第i个矿井对c个类簇的隶属度，得到隶属度最大值，则将该矿井划分到其最大值所对应的类簇中，得到c个类簇P₁,P₂,...,P_c，即完成对矿井向量空间的聚类。