信息融合理论在瓦斯突出预测中的应用研究

《信息融合理论在瓦斯突出预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、致谢经过一年多的努力，终于完成了我的硕士学位论文。在该论文即将提交答辩之际，我衷心地感谢三年来院领导、各位老师以及同学朋友给予我的无微不至的关怀和帮助！首先，我衷心感谢我的导师付华教授这三年来对我的培养，论文选题与主要思路都是在付老师的引导下形成的，付老师思维活跃、视野开阔、知识渊博，善于启发和诱导式的教学方法使我受益匪浅。付老师优秀的做人品质和忘我的工作精神使我深受感动，从中也让我悟出了许多做事做人的道理。其次感谢三年来在学习、生活中给我帮助的室友缪传海、苏珂嘉、李志福，寝室中和谐的氛围让我度过了愉快的研

2、究生生活，在他们身上学到了很多优点。特别感谢我的女朋友单欣欣，这几年给我的鼓励关怀和帮助，助我顺利的完成学业。最终感谢我的父母，培养了我26年，给予我生命和今天的成绩，我要用我的未来成就报答他们。摘要煤矿瓦斯灾害中瓦斯突出是主要的灾害类型之一，本文针对瓦斯突出预测课题进行了研究。在充分的分析突出发生机理的基础上深入的研究了影响突出的各个因素和指标，在一般的数据融合模型中增加了传感器管理反馈环节，提出了基于数据融合的闭环控制预测系统模型，并应用于瓦斯突出预测中。文章分别从模型的构造、子系统功能以及各层融合算法

3、进行了研究。在对比分析了各个算法的基础上选取了B-P神经网络作为特征层融合方法，但由于神经网络固有缺陷，所以在决策层融合算法中选用了改进的D-S证据理论算法弥补了神经网络的不足。利用B-P神经网络的预测结果和几个典型的指标的预测结果共同作为D-S证据理论的决策级融合证据，从而构成了特征层、决策层分层融合结构模式，增加了系统决策的可靠性。最后通过某矿典型的历史数据对本文的方案进行验证，其结果表明该方案可行且有很高的准确性和可靠性。关键词：突出预测；信息融合；闭环控制模型；B-P神经网络；D-S证据理论-I-A

4、bstractOutburstisoneofthemaintypesofgasdisaster;thispaperfocusesoncoalandgasoutburstprediction.Basedonthestudyofthemechanismandcharacteristics,Buildingthemodelofmulti-sensorinformationfusioncoalandgasoutburstpredictionloopsystemandapplytocoalandgasoutbustp

5、rediction.Increasingthefeedbacklinkingeneralframeworkofmulti-sensorinformationfusion,andgivingaclosedloopfusionmodelonforecastofgasoutburst.Andusingsensormanagementsubsystemasfeedbackloopstoconstituteaclosed-loopmode.Basedonthecomparativeanalysisofthevario

6、usalgorithms,BPneuralnetworkisselectedasthecharacteristiclayerfusionmethod.BecauseofthedisadvantageofB-Pneuralnetworks，FurtherproposedtheD-Sevidencetheoryasadecision-levelfusionmethod.UsingB-PneuralnetworkoutputandseveraltypicalindexesastheD-Sevidencetheor

7、y’sevidencefordecisionlevelfusion.Finallythispaperconstitutesthecharacteristiclayerfusionanddecision-makinglevelhierarchicalstructure.fouincreasingthereliabilityofdecision-making.Thispaperselectedsometypicalhighgasoutstandingmining’sdatatovalidatethepropos

8、edmulti-sensorinformationfusion-II-systemmodelofgasoutburstforecast.Experimentalresultsshowthatthisprogramiswelltomeettherequirementsoftheactualforecastinpracticalapplications.KeyWords：GasOutburstPrediction;M