半监督学习和数值模拟的煤层底板突水预警系统研究

《半监督学习和数值模拟的煤层底板突水预警系统研究》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、化分类号密太原理王大学博±学位论文题目半腺ｔ学习和数柄撰拟的媒恒底板突水预誉系统妍宛－ＡｍｓｕｅｒｖｉｃａｌＳｉｍｕｌａｔｉｏｎＳｅｉｓｅｄＬｅａｒｎｉｎａｎｄＮｕｍｅｒｉｐｇ英文并列题目ＦｏｒｅｃａｓｔＳｙｓｔ饥１ｈｉＣｏａｌＭｉｎｅＦｌｏｏｒＷａｔ奸化ｒｕｓｈ刘研究生姓名：鮮．２０１２３１００３９学与专电子科学与技术研究方向－智能信息处理张雪英导师姓名：职称：教投学化较予单值＿：太原巧Ｔ大学论文巧交目巧２０１６／０６化浊？太原；山助太原理工大学声

2、明：所呈交的学位论文，本人郑重声明，是本人在指导教师的指导下独立进行研究所取得的成果。除文中己经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究。做出重要贡献的个人和集体，均已在女中明确方式标明本声明的法律责任由本人承担。论文作者签名心成．＾；刮蕾抱日期：关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部口送交学位论文的原件与复印件＾；③学校可１文采用影印、缩印或其它复制手段复制并保存学位论文；⑤学校可允许学位论文被查阅或借阅

3、；④学校可１＾文学术交流为目的，复制赠送和交换学位论文；⑤学校可１＾：！公布学位论支的全部或部分内容（保密学位论文在解密后遵守此规定）。导签名：刮索輪日期：仁．ｇ师签名：茄弯袭、日期：（ｋ、Ｌ太原理工大学博士研究生学位论文半监督学习和数值模拟的煤层底板突水预警系统研究摘要矿井水害事故时常发生，给企业和国家造成的人员伤亡和经济损失是不可预估的。现有的矿井水害预测预报技术不够准确是造成事故频发的主要原因。因此，研究有效的矿井水害预测预报方法是十分必要的。再者，矿井水害事故一旦发生，由于井下现场情况的未知性和复杂性，给救援工作带来了很大的盲目

4、性和挑战性。对水害发生后的突水过程进行数值模拟，能够及时宏观地了解井下水害的演化趋势，分析水害可能影响的区域，对营救决策的制定具有重要的指导作用。此外，由于目前煤矿企业的信息化程度有限，在发生水害时很多数据资源由于缺乏系统化的管理，在辅助救援工作中不能发挥其应有的作用。本文主要针对矿井地下水突水这一课题进行研究，主要研究内容分为三个部分：煤层底板突水预测算法、水害蔓延的数值模拟及煤层底板突水预警系统的设计与实现。针对矿井突水预测的研究，一方面，目前应用的突水预测预报方法多是依据决策者结合现场情况对问题的主观分析，具有很大的不确定性。基于此本文将智能信息处理理论及方法应用于

5、矿井突水预测的研究。另一方面，虽然基于智能机器学习的突水预测方法已有研究，但现有的基于机器学习的矿井突水预测方法大都是有监督的学习，其局限性在于小数量有标记样本训练得到的预测模型泛化能力较差，但大量的有标记样本的获得在I太原理工大学博士研究生学位论文矿井突水预测中是极其不易的。基于以上分析，本文以少量有标记样本的学习为前提，从半监督学习的角度出发，进行矿井突水预测的研究。针对水害蔓延的数值模拟，结合流体力学数值模拟理论，分析造成矿井突水的主要驱动力来源，总结突水过程水害的流动规律，以及影响突水过程中水流蔓延的因素。利用计算机建模方法对矿井巷道进行三维建模并选用Flow-3

6、D软件对突水过程进行数值模拟仿真。煤层底板突水预警系统实现方面，根据现实需求搭建煤层底板突水预警系统平台，该平台包括信息管理子系统、突水预测子系统及水害影响区域分析子系统，实现矿井底板突水预警的信息化、智能化管理。本文完成的主要工作如下：（1）从矿井突水机理的角度出发，分析煤层底板突水、以及突水通道等的形成原因，总结影响煤层底板突水的主要因素。从动力学的角度阐述了造成突水的主要驱动力来源，突水过程中的演化规律及影响水流蔓延的主要因素，并在此基础上建立突水因素数据库、水文地质基础数据库及巷道信息数据库。（2）针对煤层底板突水预测中有标记样本数量有限且不易获得的情况，提出了基

7、于万有引力的半监督算法。该算法充分利用无标记样本建立预测模型，弥补了因有标记样本极度缺乏而造成的预测模型泛化能力差，预测结果不稳定的不足。将算法应用于矿井底板突水预测实验中，取得良好的预测准确率，较其他有监督预测方法充分展现了半监督学习方法在煤层底板突水预测中的优势；II太原理工大学博士研究生学位论文（3）针对现有矿井突水预测方法预测准确性参差不齐，在实际现场应用过程中易造成预测方法失效的情况，提出了基于图的半监督集成学习算法。这种算法仍以有标记样本数量不足为前提，延续采用半监督的学习方式，将无标记样本作为顶点，样本间的相关性