基于信息融合的煤矿致灾机理建模及预测

从底层数据分析入手研究煤矿灾害事件的共性和个性特征，基于超网络及复杂网络理论研究微观底层知识元间的关系，研究矿井危险源数据特征及其分析管理方法，研究矿井多项介质间演化、衍生、耦合关联性和运动规律性，揭示煤矿事故灾害事件对象系统的整体性特征及内在规律。进而，通过知识建模和信息融合建立信息模型体系和研究相应的信息管理方法，实现基于数据挖掘与模型混合驱动的煤矿灾害事件演化衍生、演化关联分析。课题将解决煤矿应急决策中数据海量、信息不足的问题，是煤矿应急管理理论支撑体系的重要基础部分。课题对于提高我国煤矿应急管理水平和应急决策准确性，实现煤矿安全发展具有重要的理论意义和实用价值。

我国煤炭总产量逐年上升，与此同时，煤矿安全事故也频繁发生，并且事故发生率居高不下。如何预防、减少煤矿灾害事故是煤矿生产的重中之重。以数据挖掘和数据融合技术为代表的数据处理技术日臻完善。本项目综合利用数据仓库、数据挖掘和数据融合技术，结合煤矿安全生产实际，深入研究煤矿异构多源数据库集成技术和复杂管理系统存储数据的挖掘和处理技术。构建一个可以反映煤矿大环境、大系统和大安全的灾害网络，进而揭示煤矿灾前特征和评价当前安全状态，预测变化趋势，为安全生产决策提供科学的理论基础和指导。本项目共发表国内外论文17篇，专著1部，培养硕士研究生5名，申请专利1项，获得奖项1项，开发软件1项，本项目的研究内容及意义如下：..（1）采用信息融合理论开展煤矿瓦斯事故预测的研究和应用工作。提出了一种基于自相关分析方法与灰插值理论相结合的插值算法，为缺失监测数据的填充提供了新的方法。构建了一种基于GMAR模型的在线瓦斯异常检测算法。在上述成果的基础上，研究了基于决策融合技术的井下瓦斯危险性预测与评价模型，为井下瓦斯状态预测提供决策支持。.（2）分析并论证了网络研究方法在煤矿灾害及灾害系统研究中的适用性，对煤矿灾害网络进行了定义，建立了一套煤矿灾害网络研究的网络化建模方法、研究程序和分析指标，为普适性研究灾害网络研究奠定了基础。通过对以大量煤矿灾害案例分析为背景构建的整体网络及四个灾害子网的研究，得出煤矿灾害网络为小世界网络和无标度网络。通过灾害子群分析，说明了四个灾害子系统划分的合理性。研究表明，网络研究方法为我们从审视煤矿灾害和煤矿灾害系统提供了崭新的视角，可以作为煤矿安全生产的有用辅助分析工具。.(3)研究混沌理论、相空间重构理论和支持向量机理论，建立支持向量机的混沌矿压监测数据序列预测模型。支持向量机能以任意的精度逼近任意函数，并有较强的泛化性能，可以很好地解决小样本、非线性等问题，因此，将支持向量机预测模型应用到混沌矿压监测数据序列预测中，为冲击矿压预测问题提供了一条研究的新思路和新途径。