專利名稱：礦井瓦斯涌出量的預測方法
技術領域：
本發明涉及煤礦井下瓦斯涌出量的預測方法。
背景技術：
在煤礦開采過程中，瓦斯災害事故頻繁，瓦斯爆炸等重特大事故也時有發生。據統計，煤礦安全事故中，瓦斯爆炸事故是經濟損失重大、人員傷亡最多的事故，也是造成社會影響最大的重特大事故。尤其是隨著開采深度的不斷增加，機械化程度的不斷提高，開采強度的不斷增強，瓦斯涌出量還會進一步增大，瓦斯災害的治理越來越成為煤礦災害防治的重點。影響瓦斯涌出量主要信息包括埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量等，這些數據有些是通過實測得到，有些是可以計算得到。然而在采掘過程中由于工作面處于動態變化中，而影響瓦斯涌出量的地質條件、煤層瓦斯含量和開采強度等因素處于不斷變化之中，這使工作面瓦斯涌出量存在著非常大的不確定性，因此需要一種科學的方法來預測未來瓦斯涌出量，為煤礦企業高層領導制定決策提供依據。
目前，許多煤礦建立了煤礦決策支持系統(DSS)，它包括數據庫、模型庫和知識庫，功能是綜合利用大量數據，有機組合眾多模型(數學模型和數據處理模型)，通過人機交互，輔助各級決策者實現科學的決策。數據大多數是來源于煤礦企業經過長期積累的數據，數據龐大，以不同形式存在，可能在數據收集中還會造成數據失真或破壞數據完整性。這些數據庫只提供了對數據的簡單查詢，不能有效地提取和利用有用的信息。
數據挖掘技術是近年來非常活躍的研究領域，為人們及時準確地從龐大的數據庫中獲取信息提供有效的方法，特別是利用基于人工免疫的數據挖掘技術取代手工分析方法，能充分利用煤礦決策支持系統(DSS)的數據源，從大量的數據中挖掘出礦井瓦斯信息進行預測。
發明內容
本發明的目的提供一種利用人工免疫的數據挖掘技術預測礦井瓦斯涌出量的方法，以便煤礦決策者及時采取相應措施。
本發明是利用原有的DSS決策支持系統上增加了數據挖掘模塊進行計算和處理，來達到發明目的的。
本發明的數據挖掘模塊是基于距離濃度的免疫算法建立的算法模型。
本發明具體預測過程如下1、構建基于距離濃度的免疫算法模型，算法描述如下
第一步設解決的問題為X。將抗原和抗體分別對應于待求解的問題X和問題的一個解xi，f(xi)為解的適應度函數。
第二步產生初始抗體群體。隨即產生N個初始抗體，再隨即產生M個抗體放入記憶庫中，從記憶庫中提出M個個體加入抗體群中，構成(N+M)個初始抗體群體。
第三步對抗體群體中各抗體進行評價，按照公式(1)、(2)、(3)計算抗體v的濃度C(xi)；然后按照公式(4)計算抗體的期望繁殖率E(xi)；di=d(xi)=Σj=l,i≠jn||xi-xj||---(1)]]>d=Σi=lnd(xi)=Σi=lnΣj=l,j≠in||xi-xj||---(2)]]>C(xi)=1-did=1-Σj=1,i≠jn||xi-xj||Σi=1nΣj=1,i≠jn||xi-xj||---(3)]]>顯然，抗體之間的距離越大，其距離濃度越小，反之則濃度越大；E(xi)=D(xi)C(xi)---(4)]]>式中di為抗體xi在集合X上的距離；d為所有抗體之間的距離之和；D(xi)為抗體與抗原之間的親和度；C(xi)為抗體在抗體(解)空間的濃度值。
第四步形成父代群體。將抗體群體按E(xi)的降序排列，并取前N個個體構成父代群體；同時提前M個個體作為記憶細胞存入記憶庫中。
第五步判斷是否滿足結束條件。可設定最大運行世代數作為終止條件，或判斷連續運行一定世代數后函數值沒有變化作為終止條件。一旦條件滿足則結束運算。否則繼續下一步操作。
第六步抗體的增殖和分化。基于第四步的計算結果，按照其評價標準，從抗體群體中確定父代群體后進行抗體克隆，選擇實數交叉與非均勻變異方法克隆新的抗體。克隆出的抗體與原有的抗體一起構成新一代抗體群。
第七步執行第三步。
2、從數據庫中獲取埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量和瓦斯涌出量的樣本數據(特征屬性值)，并將數據進行清洗和歸一化處理，清洗去除不一致的數據，將上述數據按屬性值按比例縮放，使它們都落入
上，建立
數據集，然后將數據集存入數據庫中；2、利用基于距離濃度的免疫算法模型對數據庫中各特征屬性進行聚類，得到他們優化的特征屬性聚類個數，再將數據集中的每個數據屬性值分別劃分到相應的類中中，建立瓦斯涌出量樣本數據聚類類別表；3、利用基于距離濃度的免疫算法模型對瓦斯涌出量樣本數據聚類類別表進行挖掘，得出關聯規則。設煤層藏深度A1、煤層深度A2、瓦斯含量A3、開采強度A4、鄰近層距離A5、鄰近層瓦斯含量A6與瓦斯涌出量A7的關聯規則為 其中X＝{A1，A2，A3，A4，A5，A6}，Y＝{A7}，S為支持度，表示滿足條件X所占的百分比，C為置信度，表示滿足條件X又滿足條件Y的概率，S＝P(X∪Y)，C＝(Y/X)；5、將實測到的近期數據按上述關聯規則預測出該工作面的瓦斯涌出量。
本發明將人工免疫數據挖掘方法引入煤礦決策支持系統(DSS)，建立了基于免疫原理的挖掘系統，充分發揮了綜合業務信息集成的數據優勢，為預測瓦斯涌出量提供了有力的決策依據。
具體實施例方式
下面結合某礦的情況對本發明的技術方案作進一步的描述。
某礦現已建立了公開使用的DSS決策支持系統，在該系統的數據庫中儲存了以前大量的瓦斯信息數據，數據包括煤層埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量和瓦斯涌出量。
實施步驟如下1、首先構建基于距離濃度的免疫算法模型，構建方法如技術方案所述；2、從DSS數據庫中獲取煤層埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量和瓦斯涌出量的樣本數據，清洗去除不一致數據；為了防止具有較大值的屬性相對于較小值的屬性權重過大，將數據進行歸一化處理；再將上述歸一化處理的數據按比例縮放，使它們都落入
上，建立瓦斯涌出量數據集。現將數據集中的20個記錄舉列(見附表1)；3、從瓦斯涌出量數據集中隨機抽取400個記錄，用第1步建立的算法模型，分別對埋藏深度、煤層厚度、瓦斯含量、開采強度、鄰近層間距、鄰近層瓦斯等特征屬性進行聚類，得到它們優化的特征屬性聚類個數(見附表2)。
由此將數據集中個各記錄的屬性值分別劃分到相應的類。例如附表2中將煤層厚度被分為5類(類1-5)，其中類4的區間為
、類1的區間為
，如果煤層厚度的值為0.8929，則它應該歸入類4。對于附表1中的記錄，經過特征屬性的聚類，形成各記錄屬性的類別(見附表3)，其中瓦斯涌出量設為不突現、一般、突現三種情況；4、采用基于人工免疫原理的關聯挖掘方法，對瓦斯涌出量數據集進行挖掘，求出關聯規則，設要求解的關聯規則為“如果X是A，則Y是B”，其中，X＝{煤層埋藏深度，煤層厚度，瓦斯含量，開采強度，鄰近層間距，鄰近層瓦斯含量}，Y＝{瓦斯涌出量}，則A＝{A1，A2，A3，A4，A5，A6}，B＝{A7}，A1，A2，A3，A4，A5，A6，A7分別表示煤層埋減深度、煤層煤層厚度、瓦斯含量、開采強度、鄰近層間距、鄰近層瓦斯含量、瓦斯涌出量的屬性值等級。挖掘后，在給定最小支持度為0.021，最小置信度為0.41情況下，獲得瓦斯涌出量關聯規則如下①煤層埋藏深度＝3∧煤層厚度＝3∧瓦斯含量＝4∧開采強度＝5∧鄰近層間距＝4∧鄰近層瓦斯含量＝4→瓦斯涌出量＝3(突現)；②煤層埋藏深度＝2∧煤層厚度＝3∧瓦斯含量＝2∧開采強度＝3∧鄰近層間距＝2∧鄰近層瓦斯含量＝1→瓦斯涌出量＝1(不突現)。
5、實測計算某一工作面的煤層埋藏深度，煤層厚度，瓦斯含量，開采強度，鄰近層間距，鄰近層瓦斯含量，按照第四步得出的關聯規則對該工作面瓦斯涌出量進行預測，是突現還是不突現。
表1瓦斯涌出量數據集
表2瓦斯涌出量特征屬性優化聚類個數
表3瓦斯涌出量樣本數據聚類類別
權利要求
1.一種礦井瓦斯涌出量的預測方法，其特征是，它是通過以下步驟進行預測的(1)構建基于距離濃度的免疫算法模型，算法描述如下第一步設解決的問題為X將抗原和抗體分別對應于待求解的問題X和問題的一個解xi，f(xi)為解的適應度函數；第二步產生初始抗體群體隨即產生N個初始抗體，再隨即產生M個抗體放入記憶庫中，從記憶庫中提出M個個體加入抗體群中，構成(N+M)個初始抗體群體；第三步對抗體群體中各抗體進行評價按照公式①、②、③計算抗體v的濃度C(xi)，然后按照公式④計算抗體的期望繁殖率E(xi)；di=d(xi)=Σj=1,i≠jn||xi-xj||]]>①d=Σi=1nd(xi)=Σi=1nΣj=1,j≠in||xi-xj||]]>②C(xi)=1-did=1-Σj=1,i≠jn||xi-xj||Σi=1nΣj=1,i≠jn||xi-xj||]]>③顯然，抗體之間的距離越大，其距離濃度越小，反之則濃度越大；E(xi)=D(xi)C(xi)]]>④式中di為抗體xi在集合X上的距離，d為所有抗體之間的距離之和，D(xi)為抗體與抗原之間的親和度，C(xi)為抗體在抗體空間的濃度值。第四步形成父代群體將抗體群體按E(xi)的降序排列，并取前N個個體構成父代群體，同時提前M個個體作為記憶細胞存入記憶庫中；第五步判斷是否滿足結束條件可設定最大運行世代數作為終止條件，或判斷連續運行一定世代數后函數值沒有變化作為終止條件，一旦條件滿足則結束運算，否則繼續下一步操作；第六步抗體的增殖和分化基于第四步的計算結果，按照其評價標準，從抗體群體中確定父代群體后進行抗體克隆，選擇實數交叉與非均勻變異方法克隆新的抗體，克隆出的抗體與原有的抗體一起構成新一代抗體群；第七步執行第三步；(2)從數據庫中獲取埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量和瓦斯涌出量的樣本數據，并將數據進行清洗和歸一化處理，清洗去除不一致的數據，將上述數據按屬性值按比例縮放，使它們都落入
上，建立
數據集，然后將數據集存入數據庫中；(3)利用基于距離濃度的免疫算法模型對數據庫中各特征屬性進行聚類，得到他們優化的特征屬性聚類個數，再將數據集中的每個數據屬性值分別劃分到相應的類中中，建立瓦斯涌出量樣本數據聚類類別表；(4)利用基于距離濃度的免疫算法模型對瓦斯涌出量樣本數據聚類類別表進行挖掘，得出關聯規則，設煤層藏深度A1、煤層深度A2、瓦斯含量A3、開采強度A4、鄰近層距離A5、鄰近層瓦斯含量A6與瓦斯涌出量A7的關聯規則為XY[S，C]，其中X＝{A1，A2，A3，A4，A5，A6}，Y＝{A7}，S為支持度，表示滿足條件X所占的百分比，C為置信度，表示滿足條件X又滿足條件Y的概率，S＝P(X∪Y)，C＝(Y/X)；(5)將實測到的近期數據按上述關聯規則預測出該工作面的瓦斯涌出量。
全文摘要
本發明公開了一種礦井瓦斯涌出量的預測方法，其特征是，它是通過以下步驟進行預測的構建基于距離濃度的免疫算法模型；將從數據庫中獲取埋藏深度、煤層深度、瓦斯含量、開采強度、鄰近層距離、鄰近層瓦斯含量和瓦斯涌出量的樣本數據進行處理，并存入數據庫中；利用基于距離濃度的免疫算法模型對數據庫中各特征屬性進行聚類，建立瓦斯涌出量樣本數據聚類類別表；利用基于距離濃度的免疫算法模型對瓦斯涌出量樣本數據聚類類別表進行挖掘，得出關聯規則；將實測到的近期數據按上述關聯規則預測出該工作面的瓦斯涌出量。
文檔編號G06F17/30GK1845091SQ20061004396
公開日2006年10月11日 申請日期2006年5月17日 優先權日2006年5月17日
發明者劉韜, 劉亞娟, 王致杰 申請人:劉韜