基于动态数据驱动的煤矿瓦斯灾害预测技术研究

内容简介

[

　　《基于动态数据驱动的煤矿瓦斯灾害预测技术研究》提出了一种基于自相关分析方法与灰插值理论相结合的插值算法，为监测数据预处理提供了支持；针对井下多传感器监测数据的冗余性和矛盾性，提出了一种改进的分批估计方法进行融合处理，以提高瓦斯监测的准确性；构建了一种基于GMAR模型的在线瓦斯异常检测算法，可以检测短时间内瓦斯状态的异常突变；在上述成果的基础上，研究了基于决策融合技术的井下瓦斯危险性预测与评价模型，从而为井下瓦斯状态预测提供了决策支持。《基于动态数据驱动的煤矿瓦斯灾害预测技术研究》适合于高等院校计算机专业和安全工程专业的高年级本科生、研究生、教师以及相关领域的科研工作者使用。

]

目录

第1章 理论基础1.1 信息融合1.1.1 信息融合的层次模型1.1.2 信息融合的体系结构1.1.3 信息融合的功能模型1.1.4 典型的信息融合算法1.1.5 比较分析1.2 非线性理论1.2.1 模糊理论1.2.2 神经网络1.2.3 支持向量机1.2.4 混沌理论1.3 本章小结第2章 煤矿瓦斯灾害预测技术研究现状2.1 研究背景及意义2.1.1 研究背景2.1.2 研究意义2.2 煤矿瓦斯灾害的分类及其危害2.2.1 瓦斯灾害的分类2.2.2 矿井瓦斯的危害2.3 国内技术研究现状2.3.1 瓦斯预测技术研究现状2.3.2 煤与瓦斯突出预测技术研究现状2.3.3 煤与瓦斯突出预测技术的新发展2.4 组织结构2.5 本章小结第3章 瓦斯数据预处理算法研究3.1 煤矿瓦斯信息监测技术研究3.1.1 瓦斯检测技术分类3.1.2 几种检测技术应用对比3.2 常用缺失数据处理方法3.3 基于自相关灰插值算法的缺失瓦斯数据处理3.3.1 自相关分析3.3.2 灰插值模型3.3.3 插值组合系数优化3.4 实例分析3.5 本章小结第4章 多源瓦斯监测数据融合研究4.1 多传感器加权融合算法4.2 分批估计融合算法4.3 改进的分批估计融合算法4.4 实例分析4.5 本章小结第5章 基于GMAR模型的实时瓦斯信息异常检测研究5.1 异常检测方法5.1.1 静态检测方法5.1.2 动态检测方法5.2 GMAR异常检测算法5.2.1 灰色预测建立5.2.2 自回归AR模型拟合5.2.3 GMAR检测函数5.3 实例分析5.3.1 正常状态下GMAR异常检测5.3.2 瓦斯突出前GMAR异常检测5.4 本章小结第6章 基于决策融合技术的井下瓦斯安全预测研究6.1 基于灰色关联分析的瓦斯安全决策研究6.1.1 灰色关联分析的数学原理6.1.2 基于灰关联分析的井下瓦斯安全决策模型6.1.3 基于灰关联的井下瓦斯安全决策模型的应用6.2 基于动态模糊理论的瓦斯安全决策研究6.2.1 动态模糊评价方法6.2.2 动态模糊评价模型在井下瓦斯安全决策中的应用6.3 基于模糊神经网络的瓦斯安全决策研究6.3.1 模糊神经网络6.3.2 井下瓦斯安全决策的模糊神经网络设计6.3.3 基于模糊神经网络的井下瓦斯安全决策模型的应用6.4 本章小结第7章 基于声发射特性的突出预测研究7.1 声发射信号特征参数和常用处理方法7.2 煤层工作面噪声分析7.3 基于改进突变理论的声发射预测模型7.3.1 基于GM（1，1）的含瓦斯煤体分析模型7.3.2 突变理论7.3.3 基于改进突变理论的煤与瓦斯突出预测模型7.4 实例分析7.5 本章小结第8章 结束语8.1 主要工作与创新8.2 进一步研究方向参考文献

封面

书名:基于动态数据驱动的煤矿瓦斯灾害预测技术研究

作者:孙克雷

页数:132页

定价:¥25.0

出版社:西安电子科技大学出版社

出版日期:2017-03-01

ISBN:9787560643946

PDF电子书大小:63MB 高清扫描完整版