基于决策融合的多模型矿井顶板安全预警模型的制作方法
【技术领域】
[0001] 本发明属于工程安全技术领域,具体涉及基于决策融合的多模型矿井顶板安全预 警模型。
【背景技术】
[0002] 随着矿井开采向深部转移,受工作面超前压力影响,巷道围岩应力升高,矿压显现 加剧,松动范围扩大,巷道变形加大,特别是在含夹矸层区域、断层附近的沿空巷道,给巷道 围岩控制带来极大的困难,对工作面的正常推进影响较为严重。针对特厚煤层巷道受采动 影响持续大变形难以控制的现状,需要对煤层巷道的动压大变形规律进行深入的研宄。因 此建立矿井顶板安全预警模型对改变煤矿安全生产的现状有着十分重大的意义。
[0003]目前我国许多大型煤炭企业也建立了一系列矿井顶板灾害预警模型和系统,但效 果不尽如人意。分析原因主要有四方面:一、矿井顶板监测方式多样,包括电磁辐射监测、微 振监测、顶板离层监测、顶板压力监测等,各种监测方式从不同的角度反映了矿井顶板安全 状态,但监测系统未做预警信息融合,无法给出综合决策,当出现预报结果不统一时,反而 造成虚警、漏警,无法评价顶板安全状况;二、对矿井的顶板状态的监测只显示为监测图表, 研宄岩层运动和岩层控制的很多成果仅限于经验的状态,智能化程度不高,不能为巷道支 护方式及围岩应力的参数的选择提供科学的可靠依据;三、多传感器的信息融合的模型和 算法已经取得了不少的研宄成果,但却未能反映实际工业生产中的需求;四、受生产过程以 及现场操作等复杂因素的影响,基于单一模型软件测量的方法效果无法反映煤矿生产过程 的动态信息和全局特征,使得安全监测预报适应性差,不能长期使用。
【发明内容】
[0004] 本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种预测和泛化 能力高的基于决策融合的多模型矿井顶板安全预警模型。
[0005] 为解决上述技术问题,本发明采用的技术方案是,基于决策融合的多模型矿井顶 板安全预警模型,其特征在于,包括以下:
[0006] 由设置于液压支架的前柱、后柱、前探梁处的传感器收集实时压力监测数据,并将 各处的实时压力监测数据平均化,并取平均值作为训练支架压力监测数据X1,用以建立支 架压力子模型;
[0007] 由设置于煤层或岩层中水平钻孔中的超前压力传感器收集煤层或岩层应力分布 信息,并由二次仪表接收信息并处理,得到训练超前压力检测数据X2,用以建立超前压力子 丰旲型;
[0008] 由设置于回采工作面上方顶板岩层内的离层仪收集临近采场的顶板岩柱内岩石 的离层状况,处理后得到训练顶板离层监测数据X3,用以建立顶板离层子模型;
[0009] 将上述各子模型中的数据重构,得到相应的预测值:Yi、1和Y3,然后将上述各预 测值通过统计识别模式进行归一化决策融合,得到融合后的信息。
[0010] 进一步地,数据重构的过程如下:将上述各子模型中的训练数据分解为若干个固 有模态分量頂F和趋势项,将所述趋势项看作平稳时间序列,然后将固有模态分量MF和线 性的趋势项进行模拟预测,并将模拟预测后的值进行合成重构。
[0011] 进一步地,采用聚合经验模态分解方法EEMD对各子模型中的数据分解为线 性和非线性的两组:(1)将一个传感器监测的信号进行经验模态分解法EMD分解得到:
【主权项】
1. 基于决策融合的多模型矿井顶板安全预警模型,其特征在于,包括w下: 由设置于液压支架的前柱、后柱、前探梁处的传感器收集实时压力监测数据,并将各处 的实时压力监测数据平均化,并取平均值作为训练支架压力监测数据Xi,用W建立支架压 力子模型; 由设置于煤层或岩层中水平钻孔中的超前压力传感器收集煤层或岩层应力分布信息, 并由二次仪表接收信息并处理,得到训练超前压力检测数据X2,用W建立超前压力子模型; 由设置于回采工作面上方顶板岩层内的离层仪收集临近采场的顶板岩柱内岩石的离 层状况,处理后得到训练顶板离层监测数据X3,用W建立顶板离层子模型; 将上述各子模型中的数据重构,得到相应的预测值;Yi、Y,和Ys,然后将上述各预测值 通过统计识别模式进行归一化决策融合,得到融合后的信息。
2. 按照权利要求1所述的基于决策融合的多模型矿井顶板安全预警模型,其特征在 于,所述数据重构的过程如下:将上述各子模型中的训练数据分解为若干个固有模态分量 IMF和趋势项,将所述趋势项看作平稳时间序列,然后将固有模态分量IMF和线性的趋势项 进行模拟预测,并将模拟预测后的值进行合成重构。
3. 按照权利要求2所述的基于决策融合的多模型矿井顶板安全预警模型,其特征在 于,采用聚合经验模态分解方法邸10对各子模型中的数据分解为线性和非线性的两组: (1)将一个传感器监测的信号进行经验模态分解法EMD分解得到:
,其 中;x(t)为原始振动信号;Cj.为每次分解出的本征模态函数;r。为剩余函数,代表信号的整 体变化趋势; (2)进行EEMD分解; 2. 1在顶板数据中加入白噪声序列,Xi(t) =x(t)+kni(t),其中;krii(t)为计算第i次 时,在信号中加入的高斯白噪声,其中;krii(t)为计算第i次时,在信号中加入的高斯白噪 声; 2. 2将加入白噪声的序列分解为特征模函数分量IMF; 2. 3每次加入不同的白噪声序列,反复重复步骤2. 1和2. 2,当i<N时,每次加入不同的 白噪声信号,并使i=i+1 ; 2. 4把分解得到的各个IMF均值作为最终的结果;最终的本征模态函数为:
其中;cu表示第i次新加入的高斯白噪声后分解所得到的第j个IMF。
4. 按照权利要求3所述的基于决策融合的多模型矿井顶板安全预警模型,其特征在 于,利用支持向量机法SVM对步骤(2)中分解得到的IMF数据作为学习样本数据,EEMD 分解出的包含m个数据的第i组经验模态分量IFM,对于给定的矿压非线性训练集有: {(Xi'yi)|i= 1,2,…,k}GrXR,其中Xi、yi分别对应学习系统的输入和输出; 设回归函数形式为;F=IfIf(X) =wTx+b,wGn; 根据结构风险最小化,有:
该式的回归问题等价于最小代价泛函: 其中;R(f)作用是在经验风险和模型复杂度之间取一 个折衷,R胃讯反映了经验风险即训练误差,wTw= |w|2反映了模型的复杂度,C为惩罚因 子,e为估计精度a、为模型中引进的松弛向量,目的是处理函数f在e精度下不能 估计的数据,使回归函数的解存在; 通过Lagrange原理对w,b,I,求最小化,并引入径向核函数,得到回归决策函数 为
其中;a*为确定最优划分超平面的参数;a为支持向量对 应的非零值;b为偏差; 当每个IMF所对应的拟合函数f(x)被确定后,通过累加和得到EEMD分解出一个子模 型的矿压的预测值:
采用同样的方法得到Y' 2和Y' 3的非线性。
5. 按照权利要求3或4所述的基于决策融合的多模型矿井顶板安全预警模型,其特征 在于,采用自回归积分滑动平均模型法ARIM对分解后的趋势项进行预测,具体如下;时间 序列{yj的d阶差分为:义=▽">', =(1-的,其中;yt是平稳序列,B为后移算子; 对yt建立ARMA(p,q)模型,所得到的模型称为Xt~ARIM(p,d,q),模型形式是: S= 0 乂,+輯乂 2+…+砖乂…卢-9,其中;d为差分阶数,P为自回 归阶数,q为移动平均阶数,巧y= 1,2,…,知和ei(i=l,2,...,p)为模型待定数,et为满 足W(〇,诗的白噪声序列; 经过d阶查分处理后,yt转化为平稳、正态、零均值的平稳序列V,;通过预处理序列自 相关函数和偏自相关函数的形态判定模型的结构; 采用同样的方法得到^和六的线性预测; 对每个子模型中的非线性预测和线性预测合成重构得到各子模型的预测输出;Yi、Y, 和Ys'Yi二Y; +S,Y2= ¥;+疋,Y3=X+S。
6. 按照权利要求5所述的基于决策融合的多模型矿井顶板安全预警模型的实现方法, 其特征在于,包括如下: 液压支架的前柱、后柱、前探梁处的传感器收集实时压力监测数据、煤层或岩层中水平 钻孔中的超前压力传感器收集煤层或岩层应力分布信息和回采工作面上方顶板岩层内的 离层仪收集临近采场的顶板岩柱内岩石的离层状况; EEMD根据上述矿压实验样本信号本身特点自适应地将不同频段内固有波动成分分解 到不同的IMF中,IMF的个数与信号本身有关,分解时添加高斯白噪声的幅值系数,支架压 力监测信号被分解成5个正交信号分量(IMFi、IMF2、…、MFs)和一个趋势项;超前压力监测 信号被分解成5个正交信号分量(IMFi、IMF2、…、MFg)和一个趋势项;顶板离层监测信号被 分解成5个正交信号分量(IMFi、IMF2、…、M巧和一个趋势项; 对于上述=种预测数据,各个子模型分别根据IMF分量的自身特点,通过SVM对IMF分 量进行学习并确定模型参数;根据顶板来压数据的复杂度选择相应的SVM模型核函数极其 参数;支架压力子模型中的IMFi、IMF2、IMFs,超前压力子模型中的MFi、IMF2、IMFs和顶板离 层子模型中IMFi、IMF,、IMFs具有较大的波动频率、复杂度较高,采用径向基核函数来预测; 架压力子模型中的IMF4、IMFs,超前压力子模型中的IMF4、IMFs和顶板离层子模型中IMF4、 IMFg变化平稳,属于中低频分量,则采用多项式核函数进行预测,所有趋势项明显具有线性 特征,采用ARIM来预测; 通过各个子模型的支架压力预测值、超前压力预测值和顶板离层预测值;Yi,Y2,Ys,依 据顶板动态系统集成原理及矿压显现规律,建立顶板来压预报和管理工作,通过决策融合 后,得归一化信息曲线;在同一时空坐标系中,可W看出各预测值的峰值;得出预测结果与 实际来压推进米数完全相符。
【专利摘要】本发明公开了基于决策融合的多模型矿井顶板安全预警模型,由设置于传感器收集实时压力监测数据,取平均值作为训练支架压力监测数据X1,用以建立支架压力子模型;由超前压力传感器收集煤层或岩层应力分布信息,得到训练超前压力检测数据X2,建立超前压力子模型;由离层仪收集临近采场的顶板岩柱内岩石的离层状况,处理后得到训练顶板离层监测数据X3,建立顶板离层子模型;将各子模型中的数据重构得到相应预测值:Y1、Y2和Y3,然后将各预测值通过统计识别模式进行归一化决策融合,得到融合后的信息。该基于决策融合的多模型矿井顶板安全预警模型预测和泛化能力高。
【IPC分类】G06F19-00
【公开号】CN104794327
【申请号】CN201510124707
【发明人】郝秦霞
【申请人】西安科技大学
【公开日】2015年7月22日
【申请日】2015年5月6日