煤矿瓦斯灾害特征挖掘与融合预测2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

煤矿瓦斯灾害特征挖掘与融合预测PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1概述1

1.2煤矿瓦斯灾害的类型及危害2

1.2.1瓦斯爆炸3

1.2.2煤与瓦斯突出4

1.2.3瓦斯燃烧5

1.3瓦斯灾害信息获取的硬件基础平台5

1.3.1井下瓦斯浓度及相关参数采集与监测5

1.3.2瓦斯突出灾害信息的获取技术6

1.4瓦斯灾害信息的特征提取与信息融合技术7

1.4.1瓦斯灾害特征提取技术8

1.4.2信息融合技术9

1.5煤矿瓦斯监测信息的获取方法10

1.5.1煤矿瓦斯监测信息的获取原理10

1.5.2煤矿瓦斯监测信息的获取步骤10

1.6煤矿瓦斯灾害预测的研究现状12

第2章 瓦斯灾害信息的特征分析17

2.1瓦斯灾害信息的时域特征分析17

2.1.1瓦斯灾害信号的时域直观特征指标分析17

2.1.2瓦斯灾害信号的时域间接特征参量分析18

2.2瓦斯灾害信息的频域特征分析19

2.2.1功率谱分析19

2.2.2瓦斯信号的频谱特征分析20

2.3瓦斯灾害信息的时频联合特征分析21

2.3.1基于Gabor变换的瓦斯信号的时频特征分析21

2.3.2用Zak变换计算Gabor展开的系数25

2.3.3基于Wigner-Ville变换的瓦斯信号时频特征分析28

2.4瓦斯灾害信息的多分辨率时频分析32

2.4.1多分辨率时频分析原理32

2.4.2瓦斯灾害多分辨率的时频分析步骤32

2.5基于独立分量分析的瓦斯灾害信息特征分析33

2.5.1瓦斯灾害监测信息的多元数据表示33

2.5.2瓦斯灾害监测信息的盲源分离34

2.5.3瓦斯灾害信息特征的独立分量分析模型36

2.5.4独立分量分析的改进与优化40

2.5.5算法实验43

第3章 瓦斯灾害信息的特征提取47

3.1瓦斯灾害信息特征提取的原则47

3.1.1瓦斯灾害信息特征提取的过程47

3.1.2瓦斯灾害信息特征提取的评价准则48

3.1.3瓦斯灾害信息特征提取模型的分类49

3.1.4进行特征提取时应考虑的因素50

3.2基于时频分布奇异值的瓦斯灾害信息特征提取51

3.2.1基于时频分布的瓦斯灾害信息的特征矢量表示51

3.2.2煤矿瓦斯灾害信息的奇异值分解52

3.2.3基于奇异值分解的瓦斯灾害信息特征提取模型54

3.2.4对瓦斯灾害信息的目标特征的评价57

3.3基于最大熵的瓦斯灾害信息特征提取模型59

3.3.1建立最大熵模型的依据60

3.3.2瓦斯灾害信息特征提取的最大熵模型61

3.3.3最大熵模型的参数训练算法62

3.4基于支持向量机的瓦斯灾害特征提取63

3.4.1基于支持向量机的瓦斯灾害特征提取相关理论63

3.4.2基于支持向量机的瓦斯灾害特征提取模型68

3.4.3基于自动加权支持向量机的瓦斯灾害特征提取模型69

3.4.4特征提取模型算法分析70

3.5仿真实验研究71

3.5.1应用奇异值分解算法的瓦斯灾害特征提取实验71

3.5.2应用最大熵算法的瓦斯灾害特征提取实验77

3.5.3应用支持向量机算法的瓦斯灾害特征提取实验81

第4章 瓦斯灾害多传感器特征级信息融合83

4.1瓦斯灾害特征级融合的结构模型与方法83

4.1.1信息融合的概念83

4.1.2瓦斯灾害特征级融合的结构模式85

4.1.3瓦斯灾害特征级融合的方法86

4.2瓦斯灾害特征级信息融合的特征匹配90

4.2.1瓦斯灾害特征级融合的坐标匹配91

4.2.2瓦斯灾害特征级融合的时间匹配92

4.2.3瓦斯灾害信息的特征匹配与合并93

4.3基于贝叶斯理论的瓦斯灾害特征级融合94

4.3.1贝叶斯网络的构建94

4.3.2基于贝叶斯网络的特征级融合的推理模式98

4.3.3基于贝叶斯网络的特征级融合的推理算法99

4.4基于Dempster-Shafer理论的瓦斯灾害特征级融合106

4.4.1瓦斯灾害特征级融合的概率分配函数的确定106

4.4.2瓦斯灾害多特征信息融合的组合算法109

4.4.3瓦斯灾害特征级决策融合方法110

4.5实验研究110

4.5.1特征级信息融合的贝叶斯方法实验110

4.5.2特征级信息融合的证据理论方法实验121

第5章 瓦斯灾害多传感器决策级信息融合123

5.1基于模糊逻辑的决策级融合124

5.1.1瓦斯灾害决策融合的模糊逻辑方法125

5.1.2瓦斯灾害决策融合的模糊积分方法126

5.1.3模糊积分密度的学习算法128

5.2基于粗糙集理论的瓦斯灾害决策级融合方法131

5.2.1决策级融合的粗糙集推理数据准备132

5.2.2建立基于粗糙集规则的决策级融合模型134

5.2.3决策级融合模型中粗糙集属性关系分析136

5.2.4实例研究138

5.3基于模糊粗糙集理论的瓦斯灾害决策级融合方法140

5.3.1基于模糊粗糙理论的瓦斯灾害决策级融合模型的建立141

5.3.2基于模糊粗糙理论的决策级融合模型的检验142

5.3.3实例研究143

第6章 瓦斯预测的数据挖掘理论与方法149

6.1数据挖掘概述149

6.1.1瓦斯数据挖掘研究面临的主要问题149

6.1.2瓦斯数据挖掘的算法研究进展150

6.1.3数据挖掘的研究方向150

6.2瓦斯数据挖掘的预测功能151

6.2.1数据挖掘的预测任务152

6.2.2数据挖掘的瓦斯灾害预测模式类型152

6.3煤矿瓦斯预测的数据挖掘过程155

6.3.1数据准备156

6.3.2瓦斯数据开采156

6.3.3瓦斯灾害预测结果的评估156

6.3.4基于数据挖掘瓦斯预测的步骤157

6.4瓦斯数据挖掘预测的相关方法158

6.4.1数据挖掘中的神经网络预测方法158

6.4.2基于粗糙集理论的瓦斯预测方法159

6.4.3基于K-最邻近的瓦斯预测方法159

6.4.4基于序列模式挖掘的预测方法160

6.4.5基于遗传算法的瓦斯灾害预测方法161

6.4.6基于分类的瓦斯预测方法12

第7章 瓦斯数据的在线挖掘与识别164

7.1瓦斯特征数据的在线挖掘存在的问题164

7.1.1渐近式瓦斯灾害特征数据的在线挖掘算法164

7.1.2多尺度瓦斯数据在线挖掘算法166

7.1.3多尺度瓦斯数据在线挖掘算法的实现169

7.2瓦斯灾害特征数据识别算法169

7.2.1算法模型170

7.2.2算法分析172

7.3瓦斯数据的离散化174

7.3.1瓦斯数据的离散化描述174

7.3.2瓦斯数据的离散化方法175

7.3.3瓦斯数据离散化的候选断点集合的确定180

7.3.4基于断点权重的离散化算法183

7.3.5基于聚类的连续属性离散化算法186

第8章 瓦斯灾害预测模型190

8.1基于K-最近邻分类的瓦斯灾害预测190

8.2 K-最近邻分类预测的改进算法191

8.2.1瓦斯训练样本集的编辑和压缩191

8.2.2属性权值的调整192

8.3 K-最近邻混合分类预测算法194

8.3.1基于神经网络的属性权重调整195

8.3.2 K-最近邻混合算法195

8.4基于带移动窗的神经网络瓦斯分类预测197

8.4.1瓦斯时变数据的最小二乘学习算法197

8.4.2神经网络移动窗的最小二乘学习算法198

8.4.3局部化递推算法203

8.5基于人工神经网络的时序预测模型204

8.5.1瓦斯灾害预测模型的基本结构与数学描述204

8.5.2基于反馈神经网络的预测模型205

8.5.3对角回归神经网络结构205

8.6煤矿瓦斯多维预测模型208

8.6.1问题的提出208

8.6.2基于自回归神经网络的预测模型结构209

8.6.3基于自回归神经网络模型的数学描述209

8.6.4基于自回归神经网络模型的并行学习算法210

8.6.5基于自回归神经网络模型的学习流程211

8.6.6输入调正法212

第9章 煤矿瓦斯预测实例213

9.1煤矿瓦斯预测的数据挖掘准备213

9.1.1数据挖掘的测试内容213

9.1.2煤矿瓦斯预测的数据预处理213

9.2煤矿瓦斯数据库的分类预测213

9.2.1标准数据库的分类预测213

9.2.2煤矿瓦斯灾害时序数据库214

9.3煤矿瓦斯涌出量实际预测215

9.4预测结果分析217

9.4.1数据库分类预测结果比较217

9.4.2多维模型瓦斯预测的结果分析218

参考文献220