[發明專利]一種基于云模型的多粒度煤礦瓦斯風險預測方法

有效

• 申請號: 202010528525.8
• 申請日: 2020-06-11
• 公開（公告）號: CN111680268B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 代勁;張磊;胡峰
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G01N33/00
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

1.一種基于云模型的多粒度煤礦瓦斯風險預測方法，其特征在于，具體包括以下步驟：

S0、獲取原始數據；

S1、統計原始數據頻度分布，并計算其分布偏度，對于分布偏度大于閾值的對其進行對數轉換；

S2、調用高斯混合模型將其分布函數轉換成多個高斯分布，并計算相應的高斯云參數，按序對每個高斯云的含混度進行判斷，生成多個含混度小于閾值的高斯云；

S3、將論域邊界由高斯云表征的概念轉換成半梯形云，最終生成表示原始數據宏觀概念的多個混合云；

S4、按照煤礦監管監察時間架構離散化數據集，調用逆向云發生器將每個離散的時間片轉換成賦有語義的時間粒；具體包括：

制定粒化標準，即分鐘粒度為傳感器監測數值的實時變化情況，小時粒度為當前小時段內的態勢波動和趨勢，天粒度為當前一天內各個時段的態勢分布情況，月粒度為當月的每天的態勢波動，年粒度為當年的總體濃度態勢；

基于粒化標準將原始數據按ω劃分成p個時間片{T₁,T₂,...,T_i,...,T_p}，一個時間片對應一個時間粒度；

獲取煤礦瓦斯濃度實時數據，并根據獲取每個傳感器節點的間隔時間控制時間片寬度；

調用逆向云發生器算法將小時粒層以上的時間片T_i轉換成賦有語義表示的小時粒層時間粒并按分鐘粒層、小時粒層、天粒層、月粒層、季粒層、年粒層輸出時間粒；

其中，ω為時間片的窗口大小；在α粒度水平下的第i個時間粒，α為時間粒度水平；Ex_k為高斯云的期望；En_k為高斯云的熵；He_k為高斯云的超熵；表示在n粒層中第i個時間云概念；

S5、按照煤礦監管監察空間架構離散化數據集，調用逆向云發生器將每個離散的空間片轉換成賦有語義的空間粒；具體包括：

依據礦區生產大數據的來源，按照空間粒度，將煤礦空間大數據按照傳感器、工作面、采區、礦區、市轄所有礦區，省轄所有礦區進行空間粒度的邏輯粒化；

單一傳感器為整個空間粒度中的最細粒度，一個工作面包含了多個傳感器節點，一個采區又有著多個工作面，一個礦區有著多個采區，再依據煤礦監管監察體系，市區內多個煤礦同屬市煤監局監察監管，省煤監局有轄管多個市區的煤礦；

將數據集按傳感器劃分，一個由m個傳感器構成的空間粒表示為{r_'1,r_'2,...,r_'i,...,r_'m}；

調用逆向云發生器算法將每個傳感器節點中的所有數據轉換為具有定性含義的云模型，第i個傳感節點的云模型表示為：

其中，表示在n粒層中第i個空間云概念，(Ex₁,En₁,He₁)為空間云概念的參數，Ex_k為高斯云的期望，En_k為高斯云的熵，He_k為高斯云的超熵；

S6、計算每個時間粒所隸屬的相應宏觀概念及隸屬度，得到多粒度表示；

S7、根據煤礦瓦斯濃度的多粒度表示結果構建云規則推理，對短期內的瓦斯濃度進行預測。

2.根據權利要求1所述的一種基于云模型的多粒度煤礦瓦斯風險預測方法，其特征在于，獲取原始數據的過程包括：在每個采區和掘進工作面設置高低甲烷濃度傳感器，將高低甲烷濃度傳感器采集的瓦斯濃度作為原始數據。

3.根據權利要求1所述的一種基于云模型的多粒度煤礦瓦斯風險預測方法，其特征在于，步驟S1包括：設置一個數據分布偏度閾值γ用以考量整體的數據分布情況，統計原始數據的頻度分布p(x_i)，計算原始數據分布的偏度Δp，如果Δpγ，則對原始數據的頻度分布進行變換，表示為：