煤礦瓦斯災(zāi)害特征挖掘與融合預(yù)測

內(nèi)容概要

本書主要介紹了煤礦瓦斯災(zāi)害的類型及危害、煤礦瓦斯災(zāi)害信息的獲取方法、瓦斯災(zāi)害信息的特征分析和特征提取技術(shù)、瓦斯災(zāi)害多傳感器決策級信息融合、瓦斯預(yù)測的數(shù)據(jù)挖掘理論與方法、瓦斯災(zāi)害特征數(shù)據(jù)的識別與挖掘、瓦斯災(zāi)害預(yù)測模型等內(nèi)容。此外，本書還結(jié)合實(shí)際，介紹了煤礦瓦斯災(zāi)害信息挖掘與融合預(yù)測技術(shù)在煤礦安全生產(chǎn)中的應(yīng)用。
本書對從事煤礦安全監(jiān)測監(jiān)控、智能檢測與信息處理技術(shù)、工業(yè)生產(chǎn)過程自動化監(jiān)測與控制方面的科技人員有較高的使用和參考價(jià)值，也可作為自動化專業(yè)、測控技術(shù)專業(yè)的教學(xué)參考書，或作為相關(guān)專業(yè)的研究生教材。

書籍目錄

前言
第1章 緒論
 1.1 概述
 1.2 煤礦瓦斯災(zāi)害的類型及危害
 1.2.1 瓦斯爆炸
 1.2.2 煤與瓦斯突出
 1.2.3 瓦斯燃燒
 1.3 瓦斯災(zāi)害信息獲取的硬件基礎(chǔ)平臺
 1.3.1 井下瓦斯?jié)舛燃跋嚓P(guān)參數(shù)采集與監(jiān)測
 1.3.2 瓦斯突出災(zāi)害信息的獲取技術(shù)
 1.4 瓦斯災(zāi)害信息的特征提取與信息融合技術(shù)
 1.4.1 瓦斯災(zāi)害特征提取技術(shù)
 1.4.2 信息融合技術(shù)
 1.5 煤礦瓦斯監(jiān)測信息的獲取方法
 1.5.1 煤礦瓦斯監(jiān)測信息的獲取原理
 1.5.2 煤礦瓦斯監(jiān)測信息的獲取步驟
 1.6 煤礦瓦斯災(zāi)害預(yù)測的研究現(xiàn)狀
第2章 瓦斯災(zāi)害信息的特征分析
 2.1 瓦斯災(zāi)害信息的時(shí)域特征分析
 2.1.1 瓦斯災(zāi)害信號的時(shí)域直觀特征指標(biāo)分析
 2.1.2 瓦斯災(zāi)害信號的時(shí)域間接特征參量分析
 2.2 瓦斯災(zāi)害信息的頻域特征分析
 2.2.1 功率譜分析
 2.2.2 瓦斯信號的頻譜特征分析
 2.3 瓦斯災(zāi)害信息的時(shí)頻聯(lián)合特征分析
 2.3.1 基于Gabor變換的瓦斯信號的時(shí)頻特征分析
 2.3.2 用Zak變換計(jì)算Gabor展開的系數(shù)
 2.3.3 基于Wigner—Ville變換的瓦斯信號時(shí)頻特征分析
 2.4 瓦斯災(zāi)害信息的多分辨率時(shí)頻分析
 2.4.1 多分辨率時(shí)頻分析原理
 2.4.2 瓦斯災(zāi)害多分辨率的時(shí)頻分析步驟
 2.5 基于獨(dú)立分量分析的瓦斯災(zāi)害信息特征分析
 2.5.1 瓦斯災(zāi)害監(jiān)測信息的多元數(shù)據(jù)表示
 2.5.2 瓦斯災(zāi)害監(jiān)測信息的盲源分離
 2.5.3 瓦斯災(zāi)害信息特征的獨(dú)立分量分析模型
 2.5.4 獨(dú)立分量分析的改進(jìn)與優(yōu)化
 2.5.5 算法實(shí)驗(yàn)
第3章 瓦斯災(zāi)害信息的特征提取
 3.1 瓦斯災(zāi)害信息特征提取的原則
 3.1.1 瓦斯災(zāi)害信息特征提取的過程
 3.1.2 瓦斯災(zāi)害信息特征提取的評價(jià)準(zhǔn)則
 3.1.3 瓦斯災(zāi)害信息特征提取模型的分類
 3.1.4 進(jìn)行特征提取時(shí)應(yīng)考慮的因素
 3.2 基于時(shí)頻分布奇異值的瓦斯災(zāi)害信息特征提取
 3.2.1 基于時(shí)頻分布的瓦斯災(zāi)害信息的特征矢量表示
 3.2.2 煤礦瓦斯災(zāi)害信息的奇異值分解
 3.2.3 基于奇異值分解的瓦斯災(zāi)害信息特征提取模型
 3.2.4 對瓦斯災(zāi)害信息的目標(biāo)特征的評價(jià)
 3.3 基于最大熵的瓦斯災(zāi)害信息特征提取模型
 3.3.1 建立最大熵模型的依據(jù)
 3.3.2 瓦斯災(zāi)害信息特征提取的最大熵模型
 3.3.3 最大熵模型的參數(shù)訓(xùn)練算法
 3.4 基于支持向量機(jī)的瓦斯災(zāi)害特征提取
 3.4.1 基于支持向量機(jī)的瓦斯災(zāi)害特征提取相關(guān)理論
 3.4.2 基于支持向量機(jī)的瓦斯災(zāi)害特征提取模型
 3.4.3 基于自動加權(quán)支持向量機(jī)的瓦斯災(zāi)害特征提取模型
 3.4.4 特征提取模型算法分析
 3.5 仿真實(shí)驗(yàn)研究
 3.5.1 應(yīng)用奇異值分解算法的瓦斯災(zāi)害特征提取實(shí)驗(yàn)
 3.5.2 應(yīng)用最大熵算法的瓦斯災(zāi)害特征提取實(shí)驗(yàn)
 3.5.3 應(yīng)用支持向量機(jī)算法的瓦斯災(zāi)害特征提取實(shí)驗(yàn)
第4章 瓦斯災(zāi)害多傳感器特征級信息融合
 4.1 瓦斯災(zāi)害特征級融合的結(jié)構(gòu)模型與方法
 4.1.1 信息融合的概念
 4.1.2 瓦斯災(zāi)害特征級融合的結(jié)構(gòu)模式
 4.1.3 瓦斯災(zāi)害特征級融合的方法
 4.2 瓦斯災(zāi)害特征級信息融合的特征匹配
 4.2.1 瓦斯災(zāi)害特征級融合的坐標(biāo)匹配
 4.2.2 瓦斯災(zāi)害特征級融合的時(shí)間匹配
 4.2.3 瓦斯災(zāi)害信息的特征匹配與合并
 4.3 基于貝葉斯理論的瓦斯災(zāi)害特征級融合
 4.3.1 貝葉斯網(wǎng)絡(luò)的構(gòu)建
 4.3.2 基于貝葉斯網(wǎng)絡(luò)的特征級融合的推理模式
 4.3.3 基于貝葉斯網(wǎng)絡(luò)的特征級融合的推理算法
 4.4 基于DempsterShafer理論的瓦斯災(zāi)害特征級融合
 4.4.1 瓦斯災(zāi)害特征級融合的概率分配函數(shù)的確定
 4.4.2 瓦斯災(zāi)害多特征信息融合的組合算法
 4.4.3 瓦斯災(zāi)害特征級決策融合方法
 4.5 實(shí)驗(yàn)研究
 4.5.1 特征級信息融合的貝葉斯方法實(shí)驗(yàn)
 4.5.2 特征級信息融合的證據(jù)理論方法實(shí)驗(yàn)
第5章 瓦斯災(zāi)害多傳感器決策級信息融合
 5.1 基于模糊邏輯的決策級融合
 5.1.1 瓦斯災(zāi)害決策融合的模糊邏輯方法
 5.1.2 瓦斯災(zāi)害決策融合的模糊積分方法
 5.1.3 模糊積分密度的學(xué)習(xí)算法
 5.2 基于粗糙集理論的瓦斯災(zāi)害決策級融合方法
 5.2.1 決策級融合的粗糙集推理數(shù)據(jù)準(zhǔn)備
 5.2.2 建立基于粗糙集規(guī)則的決策級融合模型
 5.2.3 決策級融合模型中粗糙集屬性關(guān)系分析
 5.2.4 實(shí)例研究
 5.3 基于模糊粗糙集理論的瓦斯災(zāi)害決策級融合方法
 5.3.1 基于模糊粗糙理論的瓦斯災(zāi)害決策級融合模型的建立
 5.3.2 基于模糊粗糙理論的決策級融合模型的檢驗(yàn)
 5.3.3 實(shí)例研究
第6章 瓦斯預(yù)測的數(shù)據(jù)挖掘理論與方法
 6.1 數(shù)據(jù)挖掘概述
 6.1.1 瓦斯數(shù)據(jù)挖掘研究面臨的主要問題
 6.1.2 瓦斯數(shù)據(jù)挖掘的算法研究進(jìn)展
 6.1.3 數(shù)據(jù)挖掘的研究方向
 6.2 瓦斯數(shù)據(jù)挖掘的預(yù)測功能
 6.2.1 數(shù)據(jù)挖掘的預(yù)測任務(wù)
 6.2.2 數(shù)據(jù)挖掘的瓦斯災(zāi)害預(yù)測模式類型
 6.3 煤礦瓦斯預(yù)測的數(shù)據(jù)挖掘過程
 6.3.1 數(shù)據(jù)準(zhǔn)備
 6.3.2 瓦斯數(shù)據(jù)開采
 6.3.3 瓦斯災(zāi)害預(yù)測結(jié)果的評估
 6.3.4 基于數(shù)據(jù)挖掘瓦斯預(yù)測的步驟
 6.4 瓦斯數(shù)據(jù)挖掘預(yù)測的相關(guān)方法
 6.4.1 數(shù)據(jù)挖掘中的神經(jīng)網(wǎng)絡(luò)預(yù)測方法
 6.4.2 基于粗糙集理論的瓦斯預(yù)測方法
 6.4.3 基于K-最鄰近的瓦斯預(yù)測方法
 6.4.4 基于序列模式挖掘的預(yù)測方法
 6.4.5 基于遺傳算法的瓦斯災(zāi)害預(yù)測方法
 6.4.6 基于分類的瓦斯預(yù)測方法
第7章 瓦斯數(shù)據(jù)的在線挖掘與識別
 7.1 瓦斯特征數(shù)據(jù)的在線挖掘存在的問題
 7.1.1 漸近式瓦斯災(zāi)害特征數(shù)據(jù)的在線挖掘算法
 7.1.2 多尺度瓦斯數(shù)據(jù)在線挖掘算法
 7.1.3 多尺度瓦斯數(shù)據(jù)在線挖掘算法的實(shí)現(xiàn)
 7.2 瓦斯災(zāi)害特征數(shù)據(jù)識別算法
 7.2.1 算法模型
 7.2.2 算法分析
 7.3 瓦斯數(shù)據(jù)的離散化
 7.3.1 瓦斯數(shù)據(jù)的離散化描述
 7.3.2 瓦斯數(shù)據(jù)的離散化方法
 7.3.3 瓦斯數(shù)據(jù)離散化的候選斷點(diǎn)集合的確定
 7.3.4 基于斷點(diǎn)權(quán)重的離散化算法
 7.3.5 基于聚類的連續(xù)屬性離散化算法
第8章 瓦斯災(zāi)害預(yù)測模型
 8.1 基于K-最近鄰分類的瓦斯災(zāi)害預(yù)測
 8.2 K-最近鄰分類預(yù)測的改進(jìn)算法
 8.2.1 瓦斯訓(xùn)練樣本集的編輯和壓縮
 8.2.2 屬性權(quán)值的調(diào)整
 8.3 K-最近鄰混合分類預(yù)測算法
 8.3.1 基于神經(jīng)網(wǎng)絡(luò)的屬性權(quán)重調(diào)整
 8.3.2 K-最近鄰混合算法
 8.4 基于帶移動窗的神經(jīng)網(wǎng)絡(luò)瓦斯分類預(yù)測
 8.4.1 瓦斯時(shí)變數(shù)據(jù)的最小二乘學(xué)習(xí)算法
 8.4.2 神經(jīng)網(wǎng)絡(luò)移動窗的最小二乘學(xué)習(xí)算法
 8.4.3 局部化遞推算法
 8.5 基于人工神經(jīng)網(wǎng)絡(luò)的時(shí)序預(yù)測模型
 8.5.1 瓦斯災(zāi)害預(yù)測模型的基本結(jié)構(gòu)與數(shù)學(xué)描述
 8.5.2 基于反饋神經(jīng)網(wǎng)絡(luò)的預(yù)測模型
 8.5.3 對角回歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
 8.6 煤礦瓦斯多維預(yù)測模型
 8.6.1 問題的提出
 8.6.2 基于自回歸神經(jīng)網(wǎng)絡(luò)的預(yù)測模型結(jié)構(gòu)
 8.6.3 基于自回歸神經(jīng)網(wǎng)絡(luò)模型的數(shù)學(xué)描述
 8.6.4 基于自回歸神經(jīng)網(wǎng)絡(luò)模型的并行學(xué)習(xí)算法
 8.6.5 基于自回歸神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)流程
 8.6.6 輸入調(diào)正法
第9章 煤礦瓦斯預(yù)測實(shí)例
 9.1 煤礦瓦斯預(yù)測的數(shù)據(jù)挖掘準(zhǔn)備
 9.1.1 數(shù)據(jù)挖掘的測試內(nèi)容
 9.1.2 煤礦瓦斯預(yù)測的數(shù)據(jù)預(yù)處理
 9.2 煤礦瓦斯數(shù)據(jù)庫的分類預(yù)測
 9.2.1 標(biāo)準(zhǔn)數(shù)據(jù)庫的分類預(yù)測
 9.2.2 煤礦瓦斯災(zāi)害時(shí)序數(shù)據(jù)庫
 9.3 煤礦瓦斯涌出量實(shí)際預(yù)測
 9.4 預(yù)測結(jié)果分析
 9.4.1 數(shù)據(jù)庫分類預(yù)測結(jié)果比較
 9.4.2 多維模型瓦斯預(yù)測的結(jié)果分析
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：（1）人員傷亡。瓦斯爆炸后產(chǎn)生的沖擊波超壓給附近人員造成沖擊傷害，爆炸的高溫火焰能造成人員燒傷。我國煤礦傷亡事故中瓦斯爆炸傷亡人數(shù)占居首位，其中掘進(jìn)工作面發(fā)生瓦斯爆炸事故的次數(shù)為最多。（2）誘發(fā)煤塵爆炸。若井巷中沉積著足夠量具有爆炸危險(xiǎn)的煤塵時(shí)，沖擊波將煤塵揚(yáng)起，引起煤塵爆炸，迅速增強(qiáng)爆炸威力。一般局部瓦斯爆炸的破壞范圍不會太大，但如果誘發(fā)巷道中沉積煤塵爆炸，則必然擴(kuò)大破壞范圍，有時(shí)會波及整個(gè)礦井。另外煤塵燃燒反應(yīng)不完全時(shí)會產(chǎn)生大量CO，致使井下人員中毒死亡。煤礦中的重大惡性事故通常是瓦斯、煤塵同時(shí)參與爆炸造成的。（3）造成火災(zāi)。礦井火災(zāi)易引發(fā)瓦斯爆炸，反之瓦斯爆炸也易引起礦井火災(zāi)。瓦斯爆炸時(shí)產(chǎn)生大量熱量，使周圍環(huán)境溫度可升高到1850℃以上，瓦斯爆炸產(chǎn)生的高溫火焰能使井下坑木、煤炭等易燃物體燃燒，引起礦井火災(zāi)。（4）破壞設(shè)備及通風(fēng)系統(tǒng)。瓦斯爆炸時(shí)井下氣體迅速膨脹，使有限空間內(nèi)氣壓迅速增加，高溫高壓氣體形成強(qiáng)大的沖擊波，會使波及的通風(fēng)、生產(chǎn)設(shè)備受到不同程度的損害，有的甚至造成巷道垮塌和整個(gè)通風(fēng)系統(tǒng)破壞。

編輯推薦

《煤礦瓦斯災(zāi)害特征挖掘與融合預(yù)測》由科學(xué)出版社出版。

圖書封面

評論、評分、閱讀與下載

---

    煤礦瓦斯災(zāi)害特征挖掘與融合預(yù)測 PDF格式下載

---