瓦斯浓度区间预测的灰色聚类与高斯过程模型

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。     

通过英特网进行基于虚拟现实的矿山安全模拟培训

良好的人员素质和有效的救护策略是矿山灾害处理过程中最关键的要素。在矿山生产过程中完全避免伤害是很难做到的 ,甚至在救护过程中 ,突发事件也时有发生。应用目前计算机技术及信息网络技术相结合的系统综合手段 ,通过英特网采用基于虚拟现实的方法 ,对矿山人员进行模拟培训具有逼真、有效、经济、快速的特点和重要的实用价值。这种培训方式是减少矿山事故率和死亡率的很好手段 ,并且能使各大矿井之间互相学习 ,扬长避短     

煤矿事故处理辅助决策系统

叙述了煤矿事故处理与辅助决策系统的开发思想与模块设计原则,针对描述事故的数据、图形的组织与管理提出了开放性与可重用性的设计方法,完成了煤矿事故调查与辅助决策的系统开发工作。