案例推理关键技术及其在巷道支护中的应用研究

案例推理(Case-based Reasoning，CBR)系统的成功关键在于案例的表示、检索、修正、学习等算法的精确性和有效性。然而现有的算法常常对案例本身有较强的假定限制，极大地影响了CBR 系统的应用范围和效果，特别是对于案例属性间存在复杂相关性的问题领域中的应用还需要深入的研究。本项目以研究案例推理技术和煤矿巷道支护为研究对象。一方面系统研究案例推理关键技术理论，特别是对于复杂决策问题中的案例表示、检索、修正和维护策略及算法进行深入研究，突出对案例推理技术中的难点问题-案例修正的研究；另一方面已案例推理技术理论为基础，结合煤矿巷道支护理论研究基于案例推理技术的煤矿巷道支护参数选择、支护效果评价及巷道围岩变形预测的决策支持模型，并完成系统开发。丰富和完善CBR关键技术理论，推动CBR技术在复杂决策问题中的进一步应用，促进煤矿回采巷道支护管理更加智能化和科学化。

本课题从探讨案例推理的基本原理入手，论述了案例的表示方法、案例检索策略、案例相似度的计算方法、案例属性权重的确定方法、案例的修正技术以及案例的学习和维护，并在此基础上结合煤矿回采巷道支护参数选择的特点，构建了基于案例推理的煤矿回采巷道支护决策系统模型。. 在收集大量回采巷道支护案例及其围岩参数的基础上，采用统计学分析方法，分析了煤矿回采巷道围岩的物理力学参数分布规律及各参数之间的相关关系。结果显示回采巷道围岩参数总体上表现出如下规律：（1）围岩的泊松比、密度和内摩擦角呈现较好的标准正态分布形态；（2）围岩的抗压强度与抗拉强度、内聚力和密度具有明显的正相关性，而与弹性模量，泊松比，内摩擦角的相关性较弱；（3）泥岩和粉砂岩的弹性模量随着埋藏深度的逐渐增加呈现出明显的增大趋势，而泊松比则呈现减小的趋势。并在此基础上针对回采巷道围岩参数缺失的具体情况，提出了基于岩石描述属性文本相似度和围岩参数相关性为基础的围岩参数取值算法，构建了煤矿回采巷道围岩参数数据库系统。. 并采用面向对象编程语言和SQL Server2000数据库，设计开发了基于案例推理的煤矿回采巷道支护决策系统，实现了回采巷道支护参数智能选择、矿压监测、分析与预测及围岩参数取值等功能，并通过系统应用，在案例库不充分完备的情况下，取得了较好的效果。为煤矿回采巷道支护参数选择的智能决策探索新的方法，同时也拓展了案例推理技术理论在复杂案例推理中的应用。