煤礦瓦斯災害特征挖掘與融合預測 節選

11、針對復雜的瓦斯災害信息，首先從時域的角度對瓦斯災害信號的均值、方差及峰值因子、峭度等特征指標進行分析，并在時域分析的基礎上，對瓦斯信號的頻域特征進行了分析，提出了瓦斯信號的譜峰分析方法。由于瓦斯災害信號大多是非平穩信號，信號在任一時刻的幅值特性和頻率特性都很重要，單純孤立地從時域或頻域上來分析是不夠的，所以又提出了時頻聯合分析的方法，解決了瓦斯信號分析的局限性問題，找出了瓦斯信號分析的正確方法。2、提出了瓦斯災害信息多分辨率特征分析的方法，同時提出了利用獨立分量分析的方法對瓦斯災害特征進行分析。獨立分量分析的方法實際上是一種優化問題，它是在信息損失*小前提下，去除原數據中"冗余"。本文分析研究了標準獨立分量分析方法、基于峰度的獨立分量分析方法和基于負熵的獨立成分分析方法。應用計算機仿真實驗驗證了獨立分量分析算法的可靠性。3、對瓦斯災害信息特征的提取方法進行了研究。首先分析了瓦斯災害特征提取過程存在的問題，根據瓦斯災害復雜性的特點，提出了三種有效提取瓦斯災害特征信息的方法，并建立了相關的算法模型。（1）基于矩陣的奇異值的瓦斯災害特征提取方法；（2）提出了基于*大熵原理的瓦斯災害特征的提取方法，給出了約束條件下的*大熵分布函數解析模型，并用實例驗證了所建模型的可靠性。（3）對利用支持向量機進行特征提取的方法進行了分析，建立了基于支持向量機的瓦斯災害特征提取模型和基于自動加權向量機的瓦斯災害特征提取模型，并對特征提取模型的算法進行了分析。4、研究了瓦斯災害信息的特征級融合技術，提出了瓦斯災害特征級融合的結構模型與方法，研究了瓦斯災害信息的特征級融合中的特征匹配問題，構建了基于貝葉斯網絡的特征級融合的推理模式和推理算法，提出了瓦斯災害多特征信息融合組合算法和特征級融合方法，解決了特征級融合的關鍵問題。5、針對瓦斯災害多傳感器決策級融合中遇到的問題，提出基于粗集理論建立決策融合規則模型的方法，在無對象模型知識的前提下，基于數據特征建立了決策級融合的規則模型，建立了融合對象因果事件的知識庫；并采用粗集結合信息熵理論來分析剔除冗余屬性，克服了粗集約簡的困難，合理利用了不確定性知識