基于模糊神經網路和D-S證據理論的煤礦瓦斯突出危險等級評判策略研究.pdf

1、采掘面煤礦瓦斯的突出給國家和人民的生命財產帶來了巨大的損失，本文針對采煤工作面煤礦瓦斯突出危險等級評判存在的信息檢測智能化程度低、預測技術不完善、缺乏系統的防突決策理論與方法等問題，開展工作面煤礦瓦斯突出危險等級人工智能評判技術研究，研究了基于模糊神經網絡和D/S證據理論的煤礦瓦斯突出危險等級評判策略。
　　本文在分析了煤礦瓦斯突出的機理的基礎上，對影響煤礦瓦斯突出的各重要指標進行了全面的分析，并且在關鍵指標的測量方法上做了研究。

2、針對采掘面煤礦瓦斯的突出等級具有不確定性，由于模糊神經網絡具有處理不確定性信息的能力，建立了基于模糊神經網絡的煤礦瓦斯突出危險等級的評判框架，推導了模糊神經網絡的算法，并且研究了模糊神經網絡的設計過程，通過MATLAB實例仿真驗證了該方法的有效性，并且與BP神經網絡的評判結果做了對比，說明了使用模糊神經網絡擁有比較高的精度性。但也指出了使用模糊神經網絡主要獲得采掘面局部點的融合結果，僅僅依靠觀察幾個或者單個點的評判結果就對采掘面的瓦斯突

3、出危險等級做出評判會造成一定的誤差。
　　D-S證據理論具有處理不確定性信息的能力，具有決策準確的優(yōu)點，建立了基于D-S證據理論的煤礦瓦斯突出危險等級評判框架，并對D-S證據理論的評判算法進行了研究。通過實例驗證了使用該方法進行決策的準確性和清晰性，但也指出了獲得運用D-S證據理論所需的基本概率函數是比較困難的。
　　針對使用模糊神經網絡僅僅能獲得采掘面局部點的融合結果的特點，但構建基本概率函數比較簡單的優(yōu)點，而 D-S證據