信息融合技术在煤矿安全预测中的应用.pdf

《信息融合技术在煤矿安全预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第5期计算机仿真。2012年5月文章编号：1006—9348(2012)05—0201—04信息融合技术在煤矿安全预测中的应用张从力．张河翔(重庆大学自动化学院，重庆400044)摘要：研究煤矿井下安全状况预测问题。针对现有预测模型因采用的信息融合算法单一导致的精度低的缺点，提出一种更适合矿井的基于模糊神经网络的信息融合预测模型；并重点针对现有的模型训练算法速度慢、难以适应井下要求的缺点，提出一种改进的LMBP算法，通过引入判别因子大幅提高模型的训练速度。仿真结果表明．预测模型在训练速度．1-．比传统BP算法和LMBP算法分别提升了6倍和3．2倍，而且预测精

2、度能够满足煤矿实际要求。关键词：安全预测；模糊神经网络；信息融合；煤矿瓦斯中图分类号：TPl83文献标识码：AApplicationofInformationFusionMethodTechnologyinCoalMineSafetyPredictionZHANGCong—li．ZHANGHe—xiang(CollegeofAutomation，ChongqingUniversity，Chongqing400044，China)ABSTRACT：Researchthepredictionissueincoalminesafety．thepaperproposedan

3、informationfusionpredietionmodelwhichismoresuitableforcoalmineandbasedonimprovedfuzzyneuralnetwork．TosolvetheproblemthatBPalgorithmhaslowspeedandunsuitableforcoalmine，animprovedLMBPalgorithmWilt8proposedtoimprovethespeedofpredictionbyintroducingjudgmentfactor．Simulationresultshowsthatt

4、hepredictionmodelis6timesfasterthanBPand3．2timesfasterthanLMBPintrainingspeeds．Themodelc锄satisfytheactualdemandincoalmine．KEYWORDS：Safetyprediction；Fuzzyneuralnetwork；Informationfusion；Gasincoalmine1引言变化的情况对预测速度的要求。对煤矿井下安全等级进行预判可以有效预防矿难的发生。但当前并下安全预测存在精度低、速度慢的缺点。由于井下环境复杂难辨．越来越多的学者将信息融合技

5、术⋯用于井下的安全预测中。当前已得到应用的融合方法主要有神经网络、贝叶斯估计等单一方法c2】。但井下难以建立精确的数学模型，而且井下环境是不断变化的．这些单一方法难以适应，故精度不高。为解决这一问题，提出基于模糊神经网络的融合预测模型．它既可处理井下的模糊信息，又具备自学习的能力。可实时跟踪井下多变的环境．有效提高预测精度¨】。当前对基于模糊神经网络的融合模型的训练大都采用传统的BP算法和部分改进算法一】．如LMBP算法等．这些算法普遍存在训练速度较慢的缺点，难以适应矿井。因井下环境多变，模型需不断训练来适应环境的变化。故本文在传统LMBP算法的基础上引入两个判别因

6、子．提出一种改进的LMBP算法，大幅提高了模型训练的速度，从而满足井下不断收稿日期：2011—04—23修回日期：20ll一07—252井下安全环境预测模型2．I总体预测模型为提高预测精度．选取瓦斯、风速和粉尘这三类存在密切关系的数据来搭建预测模型。因风速可降低瓦斯的浓度，但又会引起粉尘浓度加大。三者之间存在着密切的非线性关系。如图l所示，首先将三种传感器所采集的数据进行初步融合，判别是否超过各自的指标．如表l所示．若任一类型传感器的数据超标，则直接报警；若未超标，则将初级结果送人模糊神经网络模型处理。表1传感器报警数据预测的核心部分为模糊神经网络融合模型．通过已有

7、数据训练模型，使其可以根据实时数据对煤矿安全等级做出预测。井下环境多变，需要不断重新训练以适应，因此需提升·-——201--——围1信息融合预测模型融合模型的训练速度。2．2模糊神经网络融合模型：融合模型简介如图2所示．共分五层：■入屡曩钰他磨■层归一化屠●出层圈2模糊神经网络结构1)输入层：该层有3个节点，作用是传递各传感器数据到下一层。分别代表瓦斯、粉尘和风速信息。2)模糊化层：该层有9个节点，分别代表相应输入量的一个模糊子集。作用是根据输入量．得到其属于某个模糊子集的隶属度。本研究的隶属度函数选取gauss型，如式(1)：(，‘一q)2；e矗其中。。i和盯