[發明專利]瓦斯多因素耦合關系分析及預警模型構建方法

有效

• 申請號: 202110290687.7
• 申請日: 2021-03-18
• 公開（公告）號: CN112926270B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 黃玉鑫;范京道;閆振國;王延平
• 申請（專利權）人: 西安科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/23;G06F18/213;G06F111/08
• 代理公司: 西安瀚匯專利代理事務所(普通合伙) 61279
• 代理人: 汪重慶

1.瓦斯多因素耦合關系分析及預警模型構建方法，其特征在于，具體包括以下步驟：

步驟一，采集工作面、上隅角、本煤層瓦斯濃度數據以及工作面液壓支架壓力數據；

步驟二，對四個維度數據進行基于簇新初始值選取優化的k-均值算法異常值檢測；

瓦斯數據中的異常值可視為聚類過程中的離群點，因此對于異常值的提取可基于聚類的方法通過考察對象與簇之間的關系檢測離群點，使用k-均值聚類，對于每個對象o，都可以根據該對象與最近簇中心的距離，賦予該對象一個離群點得分；

假設到o的最近中心為c_o，則o與c_o之間的距離為dist(o,c_o)，c_o與指派到c_o的對象之間的平均距離為

比率度量dist(o,c_o)與平均值的差異程度，將遠離對應中心的點被懷疑為離群點；

k-均值算法目的是將n個m維數據X＝{x₁,x₂,...,x_n}，x_i∈R^m，1≤i≤n，聚類到k個集合；

利用前序數據子集的聚類簇心來優化所有數據的初始聚類簇心，算法描述如下：

設瓦斯監測數據集為n個m維數據X＝{x₁,x₂,...,x_n}，x_i∈R^m，1≤i≤n，聚類到k個集合，抽取瓦斯數據集X的前序數據子集集，采用輪廓系數發確定前序數據集X_pro的最適宜的聚類數值k，對于前序數據集X_pro，隨機確定k個聚類簇心c_pro＝{c_pro1,c_pro2,...,c_prok}，然后根據每個聚類集合中所包含的數據，采用公式計算待聚類數據和簇心之間的距離，采用公式作為準則函數更新迭代簇心值，直至確定最終聚類結果，得到前序數據子集的最終聚類中心集合c_pro＝{c_pro1,c_pro2,...,c_prok}；和中c_proj為第j個聚類簇心，每個聚類簇心c_proi所在集合記為G_proi；

設定數據集X的k個初始聚類簇心c＝c_pro，應用k-均值算法確定最終的聚類中心；給定閾值θ，若某數據值和聚類中心的距離大于θ，則判斷其為異常值；

步驟三，提取異常值作為關聯規則挖掘的原始數據；

步驟四，對原始數據進行降維處理，轉換為0-1布爾矩陣；

步驟五，采用基于支持度權值優化的Apriori算法對矩陣進行關聯規則挖掘；

步驟六，最終確定四個不同維度瓦斯影響因素之間的耦合關系，探索其關聯規則，并確定瓦斯預警等級。

2.根據權利要求1所述的瓦斯多因素耦合關系分析及預警模型構建方法，其特征在于，所述Apriori算法采用逐層搜索迭代方法，用k項集搜索(k+1)項集，找出所有頻繁項集，由頻繁集產生強關聯規則。

3.根據權利要求2所述的瓦斯多因素耦合關系分析及預警模型構建方法，其特征在于，

設Φ＝{I₁，I₂，…，I_m}是項的集合，設任務相關的數據D是數據庫事務的集合，其中每個事務T是一個非空項集，使得每個事務都有一個標識符，稱為TID；

設A是一個項集，事務T包含A，當且僅當關聯規則是形如的蘊涵式，其中并且

規則在事務集中成立，具有支持度s，其中s是D中事務包含A∪B的百分比，為概率P(A∪B)；

規則在事務集D中具有置信度c，其中c是D中包含A的事務的同時也包含B的事務的百分比；這是條件概率P(B|A)；即：

其中，support_count(A∪B)是包含項集A∪B的事務數，而support_count(A)是包含項集A的事務數；同時滿足最小支持度閾值min_sup和最小置信度閾值min_conf的規則為強規則。

4.根據權利要求3所述的瓦斯多因素耦合關系分析及預警模型構建方法，其特征在于，對Apriori算法支持度進行優化，將在支持度計算過程中加入一個權重參數，使其出現頻率不高的瓦斯異常數值得以加入頻繁項集；設計支持度閾值函數為：

其中support(X)為所給定項集的支持度，λ_X為權重參數，D為事務集；對于任意一個x＝{x₁,x₂,…,x_r}，其中若x為單項，其權重系數在項集產生后賦值，否則，需從包含的各項中獲得權重參數，即：

λ_x＝F(λ_x1,λ_x2,…,λ_xr)＝min(λ_x1,λ_x2,…,λ_xr)?(4)

表示權重參數計算函數為權重參數中的最小值。