基于決策融合的多模型礦井頂板安全預警模型的制作方法
【技術領域】
[0001] 本發明屬于工程安全技術領域，具體涉及基于決策融合的多模型礦井頂板安全預 警模型。
【背景技術】
[0002] 隨著礦井開采向深部轉移，受工作面超前壓力影響，巷道圍巖應力升高，礦壓顯現 加劇，松動范圍擴大，巷道變形加大，特別是在含夾矸層區域、斷層附近的沿空巷道，給巷道 圍巖控制帶來極大的困難，對工作面的正常推進影響較為嚴重。針對特厚煤層巷道受采動 影響持續大變形難以控制的現狀，需要對煤層巷道的動壓大變形規律進行深入的研宄。因 此建立礦井頂板安全預警模型對改變煤礦安全生產的現狀有著十分重大的意義。
[0003]目前我國許多大型煤炭企業也建立了一系列礦井頂板災害預警模型和系統，但效 果不盡如人意。分析原因主要有四方面：一、礦井頂板監測方式多樣，包括電磁輻射監測、微 振監測、頂板離層監測、頂板壓力監測等，各種監測方式從不同的角度反映了礦井頂板安全 狀態，但監測系統未做預警信息融合，無法給出綜合決策，當出現預報結果不統一時，反而 造成虛警、漏警，無法評價頂板安全狀況；二、對礦井的頂板狀態的監測只顯示為監測圖表， 研宄巖層運動和巖層控制的很多成果僅限于經驗的狀態，智能化程度不高，不能為巷道支 護方式及圍巖應力的參數的選擇提供科學的可靠依據；三、多傳感器的信息融合的模型和 算法已經取得了不少的研宄成果，但卻未能反映實際工業生產中的需求；四、受生產過程以 及現場操作等復雜因素的影響，基于單一模型軟件測量的方法效果無法反映煤礦生產過程 的動態信息和全局特征，使得安全監測預報適應性差，不能長期使用。

【發明內容】

[0004] 本發明所要解決的技術問題在于針對上述現有技術的不足，提供一種預測和泛化 能力高的基于決策融合的多模型礦井頂板安全預警模型。
[0005] 為解決上述技術問題，本發明采用的技術方案是，基于決策融合的多模型礦井頂 板安全預警模型，其特征在于，包括以下：
[0006] 由設置于液壓支架的前柱、后柱、前探梁處的傳感器收集實時壓力監測數據，并將 各處的實時壓力監測數據平均化，并取平均值作為訓練支架壓力監測數據X1，用以建立支 架壓力子模型；
[0007] 由設置于煤層或巖層中水平鉆孔中的超前壓力傳感器收集煤層或巖層應力分布 信息，并由二次儀表接收信息并處理，得到訓練超前壓力檢測數據X2，用以建立超前壓力子 豐旲型；
[0008] 由設置于回采工作面上方頂板巖層內的離層儀收集臨近采場的頂板巖柱內巖石 的離層狀況，處理后得到訓練頂板離層監測數據X3，用以建立頂板離層子模型；
[0009] 將上述各子模型中的數據重構，得到相應的預測值：Yi、1和Y3，然后將上述各預 測值通過統計識別模式進行歸一化決策融合，得到融合后的信息。
[0010] 進一步地，數據重構的過程如下：將上述各子模型中的訓練數據分解為若干個固 有模態分量頂F和趨勢項，將所述趨勢項看作平穩時間序列，然后將固有模態分量MF和線 性的趨勢項進行模擬預測，并將模擬預測后的值進行合成重構。
[0011] 進一步地，采用聚合經驗模態分解方法EEMD對各子模型中的數據分解為線 性和非線性的兩組：（1)將一個傳感器監測的信號進行經驗模態分解法EMD分解得到：
【主權項】
1. 基于決策融合的多模型礦井頂板安全預警模型，其特征在于，包括w下： 由設置于液壓支架的前柱、后柱、前探梁處的傳感器收集實時壓力監測數據，并將各處 的實時壓力監測數據平均化，并取平均值作為訓練支架壓力監測數據Xi，用W建立支架壓 力子模型； 由設置于煤層或巖層中水平鉆孔中的超前壓力傳感器收集煤層或巖層應力分布信息， 并由二次儀表接收信息并處理，得到訓練超前壓力檢測數據X2,用W建立超前壓力子模型； 由設置于回采工作面上方頂板巖層內的離層儀收集臨近采場的頂板巖柱內巖石的離 層狀況，處理后得到訓練頂板離層監測數據X3,用W建立頂板離層子模型； 將上述各子模型中的數據重構，得到相應的預測值；Yi、Y,和Ys，然后將上述各預測值 通過統計識別模式進行歸一化決策融合，得到融合后的信息。
2. 按照權利要求1所述的基于決策融合的多模型礦井頂板安全預警模型，其特征在 于，所述數據重構的過程如下：將上述各子模型中的訓練數據分解為若干個固有模態分量 IMF和趨勢項，將所述趨勢項看作平穩時間序列，然后將固有模態分量IMF和線性的趨勢項 進行模擬預測，并將模擬預測后的值進行合成重構。
3. 按照權利要求2所述的基于決策融合的多模型礦井頂板安全預警模型，其特征在 于，采用聚合經驗模態分解方法邸10對各子模型中的數據分解為線性和非線性的兩組： (1)將一個傳感器監測的信號進行經驗模態分解法EMD分解得到：
，其 中；x(t)為原始振動信號；Cj.為每次分解出的本征模態函數；r。為剩余函數，代表信號的整 體變化趨勢； (2)進行EEMD分解； 2. 1在頂板數據中加入白噪聲序列，Xi(t) =x(t)+kni(t)，其中；krii(t)為計算第i次 時，在信號中加入的高斯白噪聲，其中；krii(t)為計算第i次時，在信號中加入的高斯白噪 聲； 2. 2將加入白噪聲的序列分解為特征模函數分量IMF; 2. 3每次加入不同的白噪聲序列，反復重復步驟2. 1和2. 2，當i<N時，每次加入不同的 白噪聲信號，并使i=i+1 ; 2. 4把分解得到的各個IMF均值作為最終的結果；最終的本征模態函數為：
其中；cu表示第i次新加入的高斯白噪聲后分解所得到的第j個IMF。
4. 按照權利要求3所述的基于決策融合的多模型礦井頂板安全預警模型，其特征在 于，利用支持向量機法SVM對步驟（2)中分解得到的IMF數據作為學習樣本數據，EEMD 分解出的包含m個數據的第i組經驗模態分量IFM，對于給定的礦壓非線性訓練集有： {(Xi'yi)|i= 1，2,…，k}GrXR，其中Xi、yi分別對應學習系統的輸入和輸出； 設回歸函數形式為；F=IfIf(X) =wTx+b，wGn; 根據結構風險最小化，有：
該式的回歸問題等價于最小代價泛函： 其中；R(f)作用是在經驗風險和模型復雜度之間取一 個折衷，R胃訊反映了經驗風險即訓練誤差，wTw= |w|2反映了模型的復雜度，C為懲罰因 子，e為估計精度a、為模型中引進的松弛向量，目的是處理函數f在e精度下不能 估計的數據，使回歸函數的解存在； 通過Lagrange原理對w，b，I，求最小化，并引入徑向核函數，得到回歸決策函數 為
其中；a*為確定最優劃分超平面的參數；a為支持向量對 應的非零值；b為偏差； 當每個IMF所對應的擬合函數f(x)被確定后，通過累加和得到EEMD分解出一個子模 型的礦壓的預測值：
采用同樣的方法得到Y' 2和Y' 3的非線性。
5. 按照權利要求3或4所述的基于決策融合的多模型礦井頂板安全預警模型，其特征 在于，采用自回歸積分滑動平均模型法ARIM對分解后的趨勢項進行預測，具體如下；時間 序列{yj的d階差分為：義=▽">', =(1-的，其中；yt是平穩序列，B為后移算子； 對yt建立ARMA(p，q)模型，所得到的模型稱為Xt~ARIM(p，d，q)，模型形式是： S= 0 乂,+輯乂 2+…+磚乂…盧-9，其中；d為差分階數，P為自回 歸階數，q為移動平均階數，巧y= 1,2,…，知和ei(i=l，2，...，p)為模型待定數，et為滿 足W(〇,詩的白噪聲序列； 經過d階查分處理后，yt轉化為平穩、正態、零均值的平穩序列V,;通過預處理序列自 相關函數和偏自相關函數的形態判定模型的結構； 采用同樣的方法得到^和六的線性預測； 對每個子模型中的非線性預測和線性預測合成重構得到各子模型的預測輸出；Yi、Y, 和Ys'Yi二Y; +S，Y2= ￥;+疋，Y3=X+S。
6. 按照權利要求5所述的基于決策融合的多模型礦井頂板安全預警模型的實現方法， 其特征在于，包括如下： 液壓支架的前柱、后柱、前探梁處的傳感器收集實時壓力監測數據、煤層或巖層中水平 鉆孔中的超前壓力傳感器收集煤層或巖層應力分布信息和回采工作面上方頂板巖層內的 離層儀收集臨近采場的頂板巖柱內巖石的離層狀況； EEMD根據上述礦壓實驗樣本信號本身特點自適應地將不同頻段內固有波動成分分解 到不同的IMF中，IMF的個數與信號本身有關，分解時添加高斯白噪聲的幅值系數，支架壓 力監測信號被分解成5個正交信號分量（IMFi、IMF2、…、MFs)和一個趨勢項；超前壓力監測 信號被分解成5個正交信號分量（IMFi、IMF2、…、MFg)和一個趨勢項；頂板離層監測信號被 分解成5個正交信號分量（IMFi、IMF2、…、M巧和一個趨勢項； 對于上述=種預測數據，各個子模型分別根據IMF分量的自身特點，通過SVM對IMF分 量進行學習并確定模型參數；根據頂板來壓數據的復雜度選擇相應的SVM模型核函數極其 參數；支架壓力子模型中的IMFi、IMF2、IMFs，超前壓力子模型中的MFi、IMF2、IMFs和頂板離 層子模型中IMFi、IMF,、IMFs具有較大的波動頻率、復雜度較高，采用徑向基核函數來預測； 架壓力子模型中的IMF4、IMFs，超前壓力子模型中的IMF4、IMFs和頂板離層子模型中IMF4、 IMFg變化平穩，屬于中低頻分量，則采用多項式核函數進行預測，所有趨勢項明顯具有線性 特征，采用ARIM來預測； 通過各個子模型的支架壓力預測值、超前壓力預測值和頂板離層預測值；Yi，Y2,Ys，依 據頂板動態系統集成原理及礦壓顯現規律，建立頂板來壓預報和管理工作，通過決策融合 后，得歸一化信息曲線；在同一時空坐標系中，可W看出各預測值的峰值；得出預測結果與 實際來壓推進米數完全相符。
【專利摘要】本發明公開了基于決策融合的多模型礦井頂板安全預警模型，由設置于傳感器收集實時壓力監測數據，取平均值作為訓練支架壓力監測數據X1，用以建立支架壓力子模型；由超前壓力傳感器收集煤層或巖層應力分布信息，得到訓練超前壓力檢測數據X2，建立超前壓力子模型；由離層儀收集臨近采場的頂板巖柱內巖石的離層狀況，處理后得到訓練頂板離層監測數據X3，建立頂板離層子模型；將各子模型中的數據重構得到相應預測值：Y1、Y2和Y3，然后將各預測值通過統計識別模式進行歸一化決策融合，得到融合后的信息。該基于決策融合的多模型礦井頂板安全預警模型預測和泛化能力高。
【IPC分類】G06F19-00
【公開號】CN104794327
【申請號】CN201510124707
【發明人】郝秦霞
【申請人】西安科技大學
【公開日】2015年7月22日
【申請日】2015年5月6日