煤矿安全生产预测模型的研究

【摘要】：论文以现代预测理论和技术为基础,以“安全第一,预防为主”为研究前提,深入分析了矿山安全生产系统的安全管理和安全控制的现状,针对煤矿安全生产系统的安全状态预测理论和技术进行研究,给出了煤矿安全生产系统、子系统、区域、安全状态、安全度和安全等级等基本概念;提出了煤矿安全状态转换模型——SAFU模型,利用SAFU模型对煤矿区域、组合区域和功能子系统进行安全状态的预测,以预测的安全状态类型确定引起煤矿区域安全状态变化的因素,为煤矿安全的预测预报和安全管理提供决策信息和依据。 论文对回归分析预测方法、BP神经网络束集预测模型方法、灰色预测方法和支持向量机预测模型进行了分析研究,讨论了预测模型在煤矿安全生产预测的应用方式,给出了参数数量不同的情况下统一使用回归预测方法的方式;束集模型减少了神经网络的关联数量,提高了网络模型的迭代速度和预测效率;用较少的分类样本矢量实现了支持向量机的煤矿安全状态预测。使用SAFU模型,描述了煤矿五种安全状态的变化模式,提出了以安全度值逆向确定煤矿安全生产危险因素的算法。对定义的煤矿区域和组合区域分析了区域安全状态的相关性,给出了确定连通区域的算法,提出了区域安全度和基于连通区域计算安全度的算法。给出了单参数区域的安全度预测方法和多参数区域的预测方法。证明了煤矿区域安全生产整体预测的有效性、煤矿区域安全度的存在性和可量化性,推导出煤矿区域安全度是可以预测的结论。给出了利用样本数据训练预测模型、选择预测模型的算法。提出了安全状况的经验模式发现、描述和进行预测的最长匹配序列模式,使无法用函数描述的区域安全状况,实现了模式识别的预测。提出了预测模型的三种基本组合模式,引入参数映射实现了预测模型的组合构建。给出了煤矿安全生产区域预测模型的选择、组合和模型调度方法。分析设计了煤矿安全生产安全状态的预测系统的业务流程分析、预测功能和数据处理。设计了预测系统的系统体系结构;提出了监测时序数据同步的处理方法,应用噪声处理技术,给出了监测数据的清洗算法,给出了样本数据库的更新算法;设计了预测系统信息定制的两种方式:模型参数的定制和用户信息的定制。