煤礦瓦斯?jié)舛葴y(cè)量方法
【專利摘要】本發(fā)明公開了一種煤礦瓦斯?jié)舛葴y(cè)量方法，采用KPCA算法用于鑒別“大數(shù)”，首先構(gòu)造兩種混合核函數(shù)，利用矢量的方法構(gòu)建核矩陣，并利用核主成分分析計(jì)算核矩陣的特征向量，該算法具有較高的識(shí)別率和較高的運(yùn)算速度；該算法通過訓(xùn)練樣本在特征空間所張成的子空間的一組標(biāo)準(zhǔn)正交基，將訓(xùn)練集上的KPCA過程，轉(zhuǎn)化為所有核訓(xùn)練樣本在該組基下的坐標(biāo)為數(shù)據(jù)集的PCA過程，同時(shí)對(duì)訓(xùn)練樣本特征提取，能有效捕捉訓(xùn)練數(shù)據(jù)的非線性特征，在模式識(shí)別、回歸分析中受到廣泛重視和應(yīng)用。在KPCA的求解過程中，需要特征值分解一個(gè)M*M的核矩陣(M表示訓(xùn)練樣本數(shù))，對(duì)樣本特征提取時(shí)，只需計(jì)算該樣本與構(gòu)成這組基德樣本間的核函數(shù)，實(shí)驗(yàn)結(jié)果驗(yàn)證該算法是有效的。
【專利說明】
煤礦瓦斯?jié)舛葴y(cè)量方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種檢測(cè)方法，具體涉及一種煤礦瓦斯檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著我國經(jīng)濟(jì)的迅速發(fā)展，對(duì)能源的需求更是日益增長。由于我國是一個(gè)"富煤貧 油少氣"國家，因此煤礦的開采對(duì)我國經(jīng)濟(jì)的發(fā)展起著極其重要的作用。經(jīng)濟(jì)的迅速發(fā)展自 然就需要更多煤礦的開采。煤礦是安全事故多發(fā)的企業(yè)。近幾年來，我國煤礦的重特大安全 事故屢屢發(fā)生，每年死亡人數(shù)達(dá)到6000人，不但給國家和人民群眾的生命財(cái)產(chǎn)造成重大損 失，也給中國政府在國內(nèi)外的形象造成了惡劣影響。
[0003] 從我國近來的煤礦事故可以看出瓦斯事故占有極大的比重，瓦斯是危害礦井安全 生產(chǎn)的重要因素之一。瓦斯?jié)舛鹊臋z測(cè)是煤礦安全生產(chǎn)的主要環(huán)節(jié)，瓦斯（主要成分是甲 烷)濃度的準(zhǔn)確測(cè)量與預(yù)報(bào)直接關(guān)系到井下人員與設(shè)備的安全。目前，我國有些煤礦中安裝 了瓦斯探測(cè)和報(bào)警系統(tǒng)，現(xiàn)在的瓦斯探測(cè)器都是通過電纜將模擬信號(hào)傳輸?shù)揭粋€(gè)集中點(diǎn)， 再經(jīng)過放大送到井上，由于井下環(huán)境惡劣，存在著各種干擾源，瓦斯傳感器輸出的微弱信號(hào) 很容易受到污染，引起一些脈沖干擾信號(hào)，也稱為"冒大數(shù)"，常常造成誤報(bào)警。一旦報(bào)警，井 下的電源就自動(dòng)切斷，生產(chǎn)被迫停止。由于報(bào)警系統(tǒng)技術(shù)落后，誤報(bào)警高達(dá)百分之八九十， 正常生產(chǎn)因?yàn)轭l繁的誤報(bào)警而受到很大影響，給企業(yè)造成了很大的損失。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了一種煤礦瓦斯檢測(cè)方法。
[0005] -種瓦斯?jié)舛葯z測(cè)方法，采用KPCA算法用于鑒別"大數(shù)"，包括以下步驟：
[0006] S1:首先構(gòu)造兩種混合核函數(shù)，利用矢量的方法構(gòu)建核矩陣，并利用核主成分分析 計(jì)算核矩陣的特征向量，該算法具有較高的識(shí)別率和較高的運(yùn)算速度；
[0007] 該算法通過訓(xùn)練樣本在特征空間所張成的子空間的一組標(biāo)準(zhǔn)正交基，將訓(xùn)練集上 的KPCA過程，轉(zhuǎn)化為所有核訓(xùn)練樣本在該組基下的坐標(biāo)為數(shù)據(jù)集的PCA過程，同時(shí)對(duì)訓(xùn)練樣 本特征提取，能有效捕捉訓(xùn)練數(shù)據(jù)的非線性特征，在模式識(shí)別、回歸分析中受到廣泛重視和 應(yīng)用。在KPCA的求解過程中，需要特征值分解一個(gè)M*M的核矩陣(M表示訓(xùn)練樣本數(shù)），對(duì)樣本 特征提取時(shí)，只需計(jì)算該樣本與構(gòu)成這組基德樣本間的核函數(shù)，實(shí)驗(yàn)結(jié)果驗(yàn)證該算法是有 效的；
[0008] 通過對(duì)原始樣本的矩陣進(jìn)行分解，選取前面Μ個(gè)最大特征值所對(duì)應(yīng)的特征向量組 成最優(yōu)投影矩陣，通過將樣本數(shù)據(jù)在最優(yōu)投影矩陣上進(jìn)行投影，達(dá)到數(shù)據(jù)分離脈沖干擾的 目的；
[0009]需要通過非線性映射將數(shù)據(jù)映射到線性可分的特征空間進(jìn)行主成分析，由于其計(jì) 算過程中使用核函數(shù)來完成高維特征空間中矢量的內(nèi)積計(jì)算；
[001 0]設(shè)Xi G把（i = 1，2，3···，Ν)為ρ維輸入空間Ν個(gè)樣本點(diǎn)，假設(shè)通過非線性變換Φ將妒 映射到特征空間F(Rf)，即Φ :Rp-F(Rf)，Φ ^)，（丨=1，2,3~少），為空間？中對(duì)應(yīng)的在高維 特征空間進(jìn)行主成分分析的方法可以通過求解特征空間中樣本矩陣的特征值和特征向量 實(shí)現(xiàn)，假設(shè)Φ(Χι)，（? = 1，2,3···，Ν)是已經(jīng)經(jīng)過中心化處理后的高維特征空間向量，特征空 間的協(xié)方差矩陣為：
[0012] 求解U特征值特征向量的關(guān)系式為：
[0013] 〇ψν = λν (2)
[0014] 1和￥分別表示矩陣Q的特征值和對(duì)應(yīng)的特征向量，由于蟹放在矩陣是對(duì)稱的，因 而可以找到r個(gè)標(biāo)準(zhǔn)正交特征向量，既式(2)存在r個(gè)非零解，但由于變換未知，矩陣Q無法 獲得，因而無法直接求解(2)的特征向量，依據(jù)再生核理論，特征向量v可由空間F中的樣本 張成，既可由小（幻），（」=1，2,3"_川的線性組合表示：
[0016] 考慮等式：
[0017] Φ (χ) · 0ψν = λ( φ (χ) · ν) (4)
[0018] 將式（1)、（3)代入式(4)，令矩陣 ΚΝΧΝ=(Φ(Χ〇〇Φ(Χ」）），（?，」= 1，2~Ν)
[0019] 可得
[0020] Κα = ηλα (5)
[0021] 矩陣Κ稱為核矩陣，上式既可以求解矩陣Κ的特征值和特征向量的方程，因?yàn)榍蠼?式(3)系數(shù)的問題轉(zhuǎn)化為求解核矩陣的特征向量的問題。核矩陣Κ需要通過計(jì)算高維特征空 間中矢量的內(nèi)積形成，因而可采用支持向量機(jī)技術(shù)中的和函數(shù)來完成，核函數(shù)可以通過原 屬性空間的計(jì)算變換實(shí)現(xiàn)高維特征空間內(nèi)積值得計(jì)算；
[0022] 選擇合適的核函數(shù)，則可以求解核矩陣的特征值和特征向量，然后通過PCA的方法 獲取特征空間中的主成方向矢量，假設(shè)取前m個(gè)特征值對(duì)應(yīng)的特征矢量組成主成方向矢量， 則數(shù)據(jù)聚的主成方向矢量可以表示為
[0023] ν = λιν?+λ2ν2+· · ?+AmVm (6)
[0024] 此處λ= (h，λ2，…，λΜ)，表示歸一化的特征值，歸一化可保證主成方向矢量的單位 性；
[0025] S2:數(shù)據(jù)異常的度量
[0026]通過在高維特征空間進(jìn)行主成分析，可以認(rèn)為正常情況下數(shù)據(jù)的主成方向矢量應(yīng) 該基本保持一致，因而可采用主成方向矢量的內(nèi)積來衡量不同數(shù)據(jù)之間的差異，即：
[0027] θ= | <vi,V2> (7)
[0028] 此處僅采用第一個(gè)特征矢量作為數(shù)據(jù)的主成方向矢量，即取m=l，此時(shí)數(shù)據(jù)集1和 2主成方向矢量的內(nèi)積為：
[0030]上式可以看出，主成方向矢量之間的內(nèi)積計(jì)算同樣可以通過核函數(shù)的方法實(shí)現(xiàn)， 基于異常度量方法，在異常瓦斯數(shù)據(jù)檢測(cè)過程中可將實(shí)際數(shù)據(jù)分為Μ段長度為N的數(shù)據(jù)子矩 陣，每個(gè)子矩陣對(duì)應(yīng)一個(gè)主成方向矢量，其平均主成方向矢量可以表不為：
[0032] (β?，β2，β3···βι·) = ( Φ (Xbl)，Φ (Xb2)，Φ (Xb3)，…，Φ (Xbr) )C(10)
[0033] 上式中sum(Vl)表示向量之間的各元素之和，參數(shù)c用于確保X的單位性；
[0034] S3:瓦斯?jié)舛犬惓?shù)據(jù)檢測(cè)算法流程
[0035] 算法可以劃分為兩個(gè)階段，訓(xùn)練階段和檢測(cè)階段，訓(xùn)練階段主要是通過歷史數(shù)據(jù) 獲取數(shù)據(jù)分布的特征，估計(jì)分布模型參數(shù);檢測(cè)階段主要是計(jì)算檢測(cè)數(shù)據(jù)集的主成方向矢 量的分布概率，根據(jù)概率的大小判斷瓦斯?jié)舛葦?shù)據(jù)是否出現(xiàn)異常，其詳細(xì)的步驟如下：
[0036] 訓(xùn)練階段
[0037] (1)將樣本數(shù)據(jù)進(jìn)行劃分為Μ段長度為N的數(shù)據(jù)子矩陣仏(j = 1，2···Μ);
[0038] (2)選取合適的核函數(shù)用于高維特征空間的矢量內(nèi)積；
[0039] (3)采用KPCA的方法獲取各數(shù)據(jù)子矩陣映射到高維特征空間后的主成方向矢量 Vj；
[0040] (4)通過Μ個(gè)Vj計(jì)算整個(gè)訓(xùn)練數(shù)據(jù)子矩陣的平均方向矢量
[0041] (5)采用VMF分布模型描述歷史數(shù)據(jù)主成方向矢量的分布，并估計(jì)確定模型參數(shù)； [0042]檢測(cè)階段
[0043 ] (1)求解數(shù)據(jù)子矩陣0」+1的主成方向矢量vj+1;
[0044] (2)求解主成方向單位矢量vj+1與平均單位方向矢量|的內(nèi)積η;
[0045] (3)使用下式計(jì)算分布概率并與預(yù)定義的門限值進(jìn)行比較，若，則認(rèn)為瓦斯數(shù)據(jù)異 常。
[0047] 本發(fā)明的有益效果:對(duì)煤礦安全監(jiān)控系統(tǒng)中瓦斯?jié)舛葯z測(cè)出現(xiàn)的脈沖干擾也稱為 "冒大數(shù)"問題，提出利用KPCA來對(duì)瓦斯?jié)舛葦?shù)據(jù)進(jìn)行處理，將脈沖干擾信號(hào)濾除掉，防止出 現(xiàn)誤報(bào)警現(xiàn)象，但是保證防漏報(bào)警。
【附圖說明】
[0048] 圖1是本發(fā)明檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖；
[0049] 圖2是檢測(cè)方法的流程圖；
[0050] 圖3是瓦斯涌出預(yù)測(cè)流程圖。
【具體實(shí)施方式】
[0051] 為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明 的【具體實(shí)施方式】做詳細(xì)的說明，使本發(fā)明的上述及其它目的、特征和優(yōu)勢(shì)將更加清晰。在全 部附圖中相同的附圖標(biāo)記指示相同的部分。并未刻意按比例繪制附圖，重點(diǎn)在于示出本發(fā) 明的主旨。
[0052] 請(qǐng)參閱圖1，首先介紹瓦斯?jié)舛鹊臏y(cè)量系統(tǒng)，包括設(shè)置在礦井內(nèi)、且能夠由光驅(qū)動(dòng) 的透明氣栗3和柔性光柵9;還包括設(shè)置在礦井外的光源發(fā)生單元及信號(hào)采集處理單元，光 源發(fā)生單元發(fā)出的光通過光纜照射到透明氣栗3和柔性光柵9,光源發(fā)生單元與信號(hào)采集處 理單元交互，柔性光柵9通過光纜與信號(hào)采集處理單元相連;在透明氣栗3的頂部設(shè)有單向 閥12,透明氣栗3底部為含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜113;柔性光柵9下端設(shè)有含偶氮苯發(fā) 光團(tuán)的有機(jī)薄膜II 15。所述光源發(fā)生單元包括寬光譜紅外光源2、第一紫外光光源5、第一 可見光光源6、第二紫外光光源7及第二可見光光源8;其中，寬光譜紅外光源2發(fā)出的光通過 光纖照射透明氣栗3,第一紫外光光源5和第一可見光光源6發(fā)出的光通過光纖照射透明氣 栗3底部的含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜113;第二紫外光光源7和第二可見光光源8發(fā)出的光 通過光纖照射柔性光柵9下端的含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜1115。所述信號(hào)采集處理單元 包括計(jì)算機(jī)1、探測(cè)器10及信號(hào)調(diào)理電路11，柔性光柵9通過電纜與探測(cè)器10的輸入端相連， 探測(cè)器10的輸出端與信號(hào)調(diào)理電路11的輸入端相連，信號(hào)調(diào)理電路11的輸出端與計(jì)算機(jī)1 相連。計(jì)算機(jī)1與寬光譜紅外光源2相連，礦井外的寬光譜紅外光源2發(fā)出的光通過光纖照射 礦井內(nèi)的透明氣栗3,計(jì)算機(jī)1與礦井外的第一紫外光光源5、第一可見光光源6相連，單向閥 12與透明氣栗3相連，打開第一紫外光光源5,第一紫外光光源5發(fā)出的光通過光纖照射到礦 井內(nèi)的透明氣栗3,含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜I 13發(fā)生變形，待測(cè)瓦斯氣體4通過單向閥 12進(jìn)入透明氣栗3,關(guān)閉第一紫外光光源5,打開第一可見光光源6,透明氣栗3恢復(fù)原來的形 狀，采樣待測(cè)瓦斯氣體4。計(jì)算機(jī)1與礦井外的第二紫外光光源7、第二可見光光源8相連，打 開第二紫外光光源7，第二紫外光光源8發(fā)出的光通過光纖照射到礦井內(nèi)的柔性光柵9，含偶 氮苯發(fā)光團(tuán)的有機(jī)薄膜Π 15兩端使用固定件14固定，含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜II 15中 偶氮苯份子的構(gòu)象轉(zhuǎn)變，有序的偶氮苯液晶基元變?yōu)闊o序，從而發(fā)生變形，柔性光柵9的柵 距發(fā)生變化，關(guān)閉第二紫外光光源7，打開第二可見光光源8，含偶氮苯發(fā)光團(tuán)的有機(jī)薄膜II 15中的順式偶氮苯恢復(fù)到反式構(gòu)象，柔性光柵9恢復(fù)原來的光柵周期，礦井內(nèi)的柔性光柵9 輸出端與礦井外的探測(cè)器10輸入端相連，經(jīng)信號(hào)調(diào)理電路11與計(jì)算機(jī)1相連。，以寬光譜紅 外光源作為光譜分析的光源，使用寬光譜紅外光源發(fā)出的光照射透明氣栗中的待測(cè)瓦斯氣 體。然后，第一紫外光光源和第一可見光光源作為驅(qū)動(dòng)光源，驅(qū)動(dòng)透明氣栗，通過調(diào)節(jié)光源 發(fā)出光的光照強(qiáng)度、時(shí)間，來控制光驅(qū)動(dòng)柔性栗的變形。第二紫外光光源和第二可見光光 源作為驅(qū)動(dòng)光源，驅(qū)動(dòng)柔性光柵，通過調(diào)節(jié)"驅(qū)動(dòng)光強(qiáng)"，實(shí)現(xiàn)柔性光柵柵距的連續(xù)改變和精 確控制。最后，柔性光柵輸出的光譜信息通過探測(cè)器和信號(hào)調(diào)理電路送入計(jì)算機(jī)，從而計(jì)算 出光譜數(shù)據(jù)，實(shí)現(xiàn)待測(cè)瓦斯氣體多種成份的光譜分析和實(shí)時(shí)監(jiān)測(cè)。
[0053] 在獲得了瓦斯?jié)舛葦?shù)據(jù)后，需要剔除其中的"大數(shù)"，請(qǐng)參閱圖2,本發(fā)明為了準(zhǔn)確 快速識(shí)別瓦斯?jié)舛?脈沖干擾"，提出基于一種基于混合核函數(shù)的快速核成分分析算法，即 KPCA算法用于鑒別"大數(shù)"，并考慮瓦斯的放散速度。首先構(gòu)造兩種混合核函數(shù)，利用矢量的 方法構(gòu)建核矩陣，并利用核主成分分析計(jì)算核矩陣的特征向量，該算法具有較高的識(shí)別率 和較高的運(yùn)算速度。
[0054]該算法通過訓(xùn)練樣本在特征空間所張成的子空間的一組標(biāo)準(zhǔn)正交基，將訓(xùn)練集上 的KPCA過程，轉(zhuǎn)化為所有核訓(xùn)練樣本在該組基下的坐標(biāo)為數(shù)據(jù)集的PCA過程，同時(shí)對(duì)訓(xùn)練樣 本特征提取，能有效捕捉訓(xùn)練數(shù)據(jù)的非線性特征，在模式識(shí)別、回歸分析中受到廣泛重視和 應(yīng)用。在KPCA的求解過程中，需要特征值分解一個(gè)M*M的核矩陣(M表示訓(xùn)練樣本數(shù)），對(duì)樣本 特征提取時(shí)，只需計(jì)算該樣本與構(gòu)成這組基德樣本間的核函數(shù)，實(shí)驗(yàn)結(jié)果驗(yàn)證該算法是有 效的。
[0055]瓦斯放散速度測(cè)定方法，在瓦斯放散測(cè)定儀的控制系統(tǒng)中將煤樣揮發(fā)分根據(jù)其數(shù) 值范圍進(jìn)行分組，建立煤樣揮發(fā)分模塊，并根據(jù)煤樣揮發(fā)分模塊建立對(duì)應(yīng)的脫氣充氣時(shí)間 設(shè)置模塊;打開瓦斯放散速度測(cè)定儀控制系統(tǒng)，選擇要測(cè)試擴(kuò)散速度或放散速度，輸入實(shí)驗(yàn) 煤樣的煤樣揮發(fā)分，向瓦斯放散測(cè)定儀輸入煤樣揮發(fā)分的具體數(shù)值，驗(yàn)證該數(shù)值落入哪一 個(gè)煤樣揮發(fā)分模塊的數(shù)值范圍內(nèi)，調(diào)用煤樣揮發(fā)分模塊對(duì)應(yīng)的脫氣充氣時(shí)間設(shè)置模塊，并 以該模塊的參數(shù)控制實(shí)驗(yàn)的脫氣時(shí)間和充氣時(shí)間；同一揮發(fā)分值的脫氣充氣時(shí)間設(shè)置模塊 中的脫氣時(shí)間和充氣時(shí)間相同；煤樣揮發(fā)分模塊的建立數(shù)值范圍為1) <6 %，2)6%-10%， 3)>10%、<15%，4)彡15% ;對(duì)應(yīng)的脫氣充氣時(shí)間設(shè)置模塊為l)210min，2)180min，3) 150min，4)90min〇
[0056]利用瓦斯傳感器對(duì)井下瓦斯?jié)舛冗M(jìn)行數(shù)據(jù)采集，通過CAN總線將傳感器輸出數(shù)據(jù) 經(jīng)過CAN/RS485總線轉(zhuǎn)換器轉(zhuǎn)換成RS485信號(hào)，RS485信號(hào)適合遠(yuǎn)距離傳輸，傳輸至地面上的 RS485/RJ45總線轉(zhuǎn)換器轉(zhuǎn)換成PC機(jī)能接受的RJ45網(wǎng)口信號(hào)，實(shí)現(xiàn)遠(yuǎn)距離傳輸，最終上傳到 上位機(jī)數(shù)據(jù)庫。
[0057] 在MGCS監(jiān)控軟件中建立瓦斯預(yù)測(cè)畫面，創(chuàng)建報(bào)表組件，鏈接歷史數(shù)據(jù)庫，建立相應(yīng) 的通道鏈接。上位機(jī)MGCS監(jiān)控軟件首先把歷史數(shù)據(jù)中工作面瓦斯?jié)舛葘懭霐?shù)據(jù)報(bào)表中，再 將數(shù)據(jù)通過0PC方式傳入瓦斯MATLAB應(yīng)用程序中。瓦斯?jié)舛仍贙PCA算法程序中經(jīng)過處理后， 再把去掉"脈沖干擾"的結(jié)果送回到MCGS畫面中，顯示出瓦斯?jié)舛取?br>[0058]通過對(duì)原始樣本的矩陣進(jìn)行分解，選取前面Μ個(gè)最大特征值所對(duì)應(yīng)的特征向量組 成最優(yōu)投影矩陣，通過將樣本數(shù)據(jù)在最優(yōu)投影矩陣上進(jìn)行投影，達(dá)到數(shù)據(jù)分離脈沖干擾的 目的。
[0059]需要通過非線性映射將數(shù)據(jù)映射到線性可分的特征空間進(jìn)行主成分析，由于其計(jì) 算過程中使用核函數(shù)來完成高維特征空間中矢量的內(nèi)積計(jì)算。
[0060]設(shè)Xi e Rp(i = 1，2，3···，Ν)為Ρ維輸入空間Ν個(gè)樣本點(diǎn)，假設(shè)通過非線性變換Φ將妒 映射到特征空間F(Rf)，即Φ :Rp-F(Rf)，Φ (Xi)，（i = l，2,3···，N)，為空間F中對(duì)應(yīng)的在高維 特征空間進(jìn)行主成分分析的方法可以通過求解特征空間中樣本矩陣的特征值和特征向量 實(shí)現(xiàn)，假設(shè)Φ( Χι)，（? = 1，2,3···，Ν)是已經(jīng)經(jīng)過中心化處理后的高維特征空間向量，特征空 間的協(xié)方差矩陣為：
[0062]求解U特征值特征向量的關(guān)系式為：
[0063] 〇ψν = λν (2)
[0064] 1和￥分別表示矩陣Q的特征值和對(duì)應(yīng)的特征向量，由于蟹放在矩陣是對(duì)稱的，因 而可以找到r個(gè)標(biāo)準(zhǔn)正交特征向量，既式(2)存在r個(gè)非零解，但由于變換未知，矩陣Q無法 獲得，因而無法直接求解(2)的特征向量，依據(jù)再生核理論，特征向量v可由空間F中的樣本 張成，既可由小（幻），（」=1，2,3"_川的線性組合表示：
[0066] 考慮等式：
[0067] Φ (χ) · 0ψν = λ( φ (χ) · ν) (4)
[0068] 將式(1)、（3)代入式(4)，令矩陣ΚΝΧΝ=(Φ (χ〇〇Φ(χ」）），（?，]· = 1，2~Ν)
[0069] 可得
[0070] Κα = ηλα (5)
[0071] 矩陣Κ稱為核矩陣，上式既可以求解矩陣Κ的特征值和特征向量的方程，因?yàn)榍蠼?式(3)系數(shù)的問題轉(zhuǎn)化為求解核矩陣的特征向量的問題。核矩陣Κ需要通過計(jì)算高維特征空 間中矢量的內(nèi)積形成，因而可采用支持向量機(jī)技術(shù)中的和函數(shù)來完成，核函數(shù)可以通過原 屬性空間的計(jì)算變換實(shí)現(xiàn)高維特征空間內(nèi)積值得計(jì)算。
[0072]常用的核函數(shù)：
[0073] (1)多項(xiàng)式核函數(shù):1^(叉，7)=(叉〇7+1)(1;
[0074] (2)Sigmoid核函數(shù)：k(x，y) =tanh[v(x0y)+c];
[0076] 通過選擇合適的核函數(shù)，則可以求解核矩陣的特征值和特征向量，然后通過PCA的 方法獲取特征空間中的主成方向矢量，假設(shè)取前m個(gè)特征值對(duì)應(yīng)的特征矢量組成主成方向 矢量，則數(shù)據(jù)聚的主成方向矢量可以表示為
[0077] ν = λιν?+λ2ν2+· · ?+AmVm (6)
[0078] 此處λ= (λ!，λ2，…，λΜ)，表示歸一化的特征值，歸一化可保證主成方向矢量的單位 性。
[0079] 數(shù)據(jù)異常的度量
[0080]通過在高維特征空間進(jìn)行主成分析，可以認(rèn)為正常情況下數(shù)據(jù)的主成方向矢量應(yīng) 該基本保持一致，因而可采用主成方向矢量的內(nèi)積來衡量不同數(shù)據(jù)之間的差異，即：
[0081] θ= | <vi,V2> (7)
[0082] 此處僅采用第一個(gè)特征矢量作為數(shù)據(jù)的主成方向矢量，即取m=l，此時(shí)數(shù)據(jù)集1和 2主成方向矢量的內(nèi)積為：
[0084]上式可以看出，主成方向矢量之間的內(nèi)積計(jì)算同樣可以通過核函數(shù)的方法實(shí)現(xiàn)， 基于異常度量方法，在異常瓦斯數(shù)據(jù)檢測(cè)過程中可將實(shí)際數(shù)據(jù)分為Μ段長度為N的數(shù)據(jù)子矩 陣，每個(gè)子矩陣對(duì)應(yīng)一個(gè)主成方向矢量，其平均主成方向矢量可以表不為：
[0086] (β?，β2，β3···βι·) = ( Φ (Xbl)，Φ (Xb2)，Φ (Xb3)，…，Φ (Xbr) )C (10)
[0087] 上式中sum(Vi)表示向量之間的各元素之和，參數(shù)c用于確保.?的單位性。
[0088] 瓦斯?jié)舛犬惓?shù)據(jù)檢測(cè)算法流程
[0089] 算法可以劃分為兩個(gè)階段，訓(xùn)練階段和檢測(cè)階段，訓(xùn)練階段主要是通過歷史數(shù)據(jù) 獲取數(shù)據(jù)分布的特征，估計(jì)分布模型參數(shù);檢測(cè)階段主要是計(jì)算檢測(cè)數(shù)據(jù)集的主成方向矢 量的分布概率，根據(jù)概率的大小判斷瓦斯?jié)舛葦?shù)據(jù)是否出現(xiàn)異常，其詳細(xì)的步驟如下：
[0090] 訓(xùn)練階段
[0091 ] (1)將樣本數(shù)據(jù)進(jìn)行劃分為Μ段長度為N的數(shù)據(jù)子矩陣仏(j = 1，2···Μ);
[0092] (2)選取合適的核函數(shù)用于高維特征空間的矢量內(nèi)積；
[0093] (3)采用KPCA的方法獲取各數(shù)據(jù)子矩陣映射到高維特征空間后的主成方向矢量 Vj；
[0094] (4)通過Μ個(gè)％計(jì)算整個(gè)訓(xùn)練數(shù)據(jù)子矩陣的平均方向矢量\ ;
[0095] (5)采用VMF分布模型描述歷史數(shù)據(jù)主成方向矢量的分布，并估計(jì)確定模型參數(shù)。
[0096] 檢測(cè)階段
[0097] (1)求解數(shù)據(jù)子矩陣Dj+冊(cè)主成方向矢量vj+1;
[0098] (2)求解主成方向單位矢量vj+1與平均單位方向矢量2的內(nèi)積η;
[0099] (3)使用下式計(jì)算分布概率并與預(yù)定義的門限值進(jìn)行比較，若，則認(rèn)為瓦斯數(shù)據(jù)異 常。
[0101] 根據(jù)檢測(cè)的濃度評(píng)價(jià)爆炸風(fēng)險(xiǎn)包括以下步驟:一種瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)方法， 包括以下步驟:步驟1:從"人-機(jī)-環(huán)境-管理" 4個(gè)方面考慮，確定瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)指標(biāo)體 系，對(duì)瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)劃分風(fēng)險(xiǎn)等級(jí);步驟2:采用改進(jìn)的ΑΗΡ單準(zhǔn)則排序方法確定所述指 標(biāo)體系中的各指標(biāo)的權(quán)重向量;步驟3:根據(jù)所述各指標(biāo)匹配的各風(fēng)險(xiǎn)等級(jí)的臨界值，將隸 屬度函數(shù)分為成本型隸屬度函數(shù)或效益型隸屬度函數(shù);依據(jù)各風(fēng)險(xiǎn)等級(jí)隸屬度函數(shù)的確定 公式來確定所述成本型隸屬度函數(shù)或效益型隸屬度函數(shù)，并根據(jù)所述成本型隸屬度函數(shù)或 效益型隸屬度函數(shù)得到相應(yīng)的指標(biāo)隸屬度矩陣μ;步驟4:根據(jù)非線性隸屬度轉(zhuǎn)換算法和所 述指標(biāo)體系中各指標(biāo)的權(quán)重向量，將所述的指標(biāo)隸屬度矩陣μ轉(zhuǎn)換為目標(biāo)隸屬度向量;步驟 5:根據(jù)置信度識(shí)別準(zhǔn)則和所述目標(biāo)隸屬度向量，判斷瓦斯爆炸災(zāi)害的風(fēng)險(xiǎn)等級(jí)。
[0102] 瓦斯的涌出會(huì)被"大數(shù)"剔除，由此會(huì)帶來嚴(yán)重的安全隱患，為此，請(qǐng)參閱圖3,本發(fā) 明進(jìn)一步的公開了一種瓦斯涌出預(yù)測(cè)方法，包括如下步驟:S001:考察計(jì)算工作面瓦斯預(yù)測(cè) 基本數(shù)據(jù)，包括:圍巖瓦斯涌出系數(shù)Κ1、工作面丟煤瓦斯涌出系數(shù)Κ2、原始煤層瓦斯含量Χ0、 殘存煤層瓦斯含量Xc、開采煤層的厚度m、與所述開采煤層相鄰的第i個(gè)鄰近煤層的厚度mi、 所述開采煤層的開采厚度mO、與所述開采煤層相鄰的第i個(gè)鄰近煤層的瓦斯含量Xi、與所 述開采煤層相鄰的第i個(gè)鄰近煤層的殘存瓦斯含量Xic、與所述開采煤層相鄰的第i個(gè)鄰近 煤層受采動(dòng)影響的瓦斯排放率ζ?、開采分層的高度M、所述開采煤層傾斜角度α、開采分層下 部煤體采動(dòng)影響深度h、開采煤層瓦斯含量梯度Xt、開采煤層瓦斯排放率梯度At、開采分層 下部煤體最大瓦斯排放率Xmax; S002:計(jì)算出所述開采分層的瓦斯涌出量ql; S003:計(jì)算出 回采工作面中與所述開采煤層相鄰的鄰近煤層的瓦斯涌出量q2;S004:計(jì)算出所述回采工 作面的下部卸壓瓦斯涌出量q3;S005:計(jì)算出開采工作面的瓦斯涌出量q采，其中，q采= ql+ q2+q3。進(jìn)一步地，所述開采分層的瓦斯涌出量ql通過如下公式計(jì)算得出：
[0104]所述鄰近煤層的瓦斯涌出量q2通過如下公式計(jì)算得出：
[0106]下部卸壓瓦斯涌出量q3通過如下公式計(jì)算得出：
[0108]在以上的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明。但是以上描述僅是 本發(fā)明的較佳實(shí)施例而已，本發(fā)明能夠以很多不同于在此描述的其它方式來實(shí)施，因此本 發(fā)明不受上面公開的具體實(shí)施的限制。同時(shí)任何熟悉本領(lǐng)域技術(shù)人員在不脫離本發(fā)明技術(shù) 方案范圍情況下，都可利用上述揭示的方法和技術(shù)內(nèi)容對(duì)本發(fā)明技術(shù)方案做出許多可能的 變動(dòng)和修飾，或修改為等同變化的等效實(shí)施例。凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本 發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所做的任何簡單修改、等同變化及修飾，均仍屬于本發(fā)明技 術(shù)方案保護(hù)的范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種煤礦瓦斯?jié)舛葴y(cè)量方法，其特征在于，包括W下步驟： S1:采用KPCA算法用于鑒別"大數(shù)"，首先構(gòu)造兩種混合核函數(shù)，利用矢量的方法構(gòu)建核 矩陣，并利用核主成分分析計(jì)算核矩陣的特征向量，該算法具有較高的識(shí)別率和較高的運(yùn) 算速度； 該算法通過訓(xùn)練樣本在特征空間所張成的子空間的一組標(biāo)準(zhǔn)正交基，將訓(xùn)練集上的 KPCA過程，轉(zhuǎn)化為所有核訓(xùn)練樣本在該組基下的坐標(biāo)為數(shù)據(jù)集的PCA過程，同時(shí)對(duì)訓(xùn)練樣本 特征提取，能有效捕捉訓(xùn)練數(shù)據(jù)的非線性特征，在模式識(shí)別、回歸分析中受到廣泛重視和應(yīng) 用。在KPCA的求解過程中，需要特征值分解一個(gè)M*M的核矩陣(M表示訓(xùn)練樣本數(shù)），對(duì)樣本特 征提取時(shí)，只需計(jì)算該樣本與構(gòu)成運(yùn)組基德樣本間的核函數(shù)，實(shí)驗(yàn)結(jié)果驗(yàn)證該算法是有效 的； 通過對(duì)原始樣本的矩陣進(jìn)行分解，選取前面Μ個(gè)最大特征值所對(duì)應(yīng)的特征向量組成最 優(yōu)投影矩陣，通過將樣本數(shù)據(jù)在最優(yōu)投影矩陣上進(jìn)行投影，達(dá)到數(shù)據(jù)分離脈沖干擾的目的； 需要通過非線性映射將數(shù)據(jù)映射到線性可分的特征空間進(jìn)行主成分析，由于其計(jì)算過 程中使用核函數(shù)來完成高維特征空間中矢量的內(nèi)積計(jì)算； 設(shè)XI e RP(i = 1，2，3···，Ν)為Ρ維輸入空間Ν個(gè)樣本點(diǎn)，假設(shè)通過非線性變換Φ將RP映射 到特征空間F(Rf)，即Φ :RP一F(Rf)，Φ(Xl)，（i = l，2,3…，N)，為空間F中對(duì)應(yīng)的在高維特征 空間進(jìn)行主成分分析的方法可W通過求解特征空間中樣本矩陣的特征值和特征向量實(shí)現(xiàn)， 假設(shè)Φ(Xl)，α = l，2,3…，N)是已經(jīng)經(jīng)過中屯、化處理后的高維特征空間向量，特征空間的 協(xié)方差矩陣為：求解C4特征值特征向量的關(guān)系式為： Οφν = λν (2) λ和V分別表示矩陣C4的特征值和對(duì)應(yīng)的特征向量，由于蟹放在矩陣是對(duì)稱的，因而可 W找到r個(gè)標(biāo)準(zhǔn)正交特征向量，既式（2)存在r個(gè)非零解，但由于變換未知，矩陣C4無法獲 得，因而無法直接求解(2)的特征向量，依據(jù)再生核理論，特征向量V可由空間F中的樣本張 成，既可由Φ(XJ)，（j = l，2,3…，N)的線性組合表示：考慮等式： Φ (X) · Οφν =入（Φ (X) · V) (4) 將式（1)、（3)代入式(4)，令矩陣Κνχν=( Φ (χ〇〇Φ (xj))，（i, j = l，2…Ν) 可得 Κα = η 入 α (5) 矩陣Κ稱為核矩陣，上式既可W求解矩陣Κ的特征值和特征向量的方程，因?yàn)榍蠼馐?3) 系數(shù)的問題轉(zhuǎn)化為求解核矩陣的特征向量的問題。核矩陣Κ需要通過計(jì)算高維特征空間中 矢量的內(nèi)積形成，因而可采用支持向量機(jī)技術(shù)中的和函數(shù)來完成，核函數(shù)可W通過原屬性 空間的計(jì)算變換實(shí)現(xiàn)高維特征空間內(nèi)積值得計(jì)算； 選擇合適的核函數(shù)，則可W求解核矩陣的特征值和特征向量，然后通過PCA的方法獲取 特征空間中的主成方向矢量，假設(shè)取前m個(gè)特征值對(duì)應(yīng)的特征矢量組成主成方向矢量，則數(shù) 據(jù)聚的主成方向矢量可W表示為 V = λιV1+A2V2+· · · +AmVm (6) 此處λ = (λι, λ2 ,…,λη)，表示歸一化的特征值，歸一化可保證主成方向矢量的單位性； S2:數(shù)據(jù)異常的度量 通過在高維特征空間進(jìn)行主成分析，可W認(rèn)為正常情況下數(shù)據(jù)的主成方向矢量應(yīng)該基 本保持一致，因而可采用主成方向矢量的內(nèi)積來衡量不同數(shù)據(jù)之間的差異，即： 白=|<V1,V2〉| (7) 此處僅采用第一個(gè)特征矢量作為數(shù)據(jù)的主成方向矢量，即取m=l，此時(shí)數(shù)據(jù)集1和2主 成方向矢量的內(nèi)積為：上式可W看出，主成方向矢量之間的內(nèi)積計(jì)算同樣可W通過核函數(shù)的方法實(shí)現(xiàn)，基于 異常度量方法，在異常瓦斯數(shù)據(jù)檢測(cè)過程中可將實(shí)際數(shù)據(jù)分為Μ段長度為N的數(shù)據(jù)子矩陣， 每個(gè)子矩陣對(duì)應(yīng)一個(gè)主成方向矢量，其平均主成方向矢量可W表示為：(01，02，03...0r) = ( Φ (Xbl)，Φ (Xb2)，Φ (亂3)，...，Φ (Xbr))C (10) 上式中sum(vi)表示向量之間的各元素之和，參數(shù)C用于確保X的單位性； S3:瓦斯?jié)舛犬惓?shù)據(jù)檢測(cè)算法流程 算法可W劃分為兩個(gè)階段，訓(xùn)練階段和檢測(cè)階段，訓(xùn)練階段主要是通過歷史數(shù)據(jù)獲取 數(shù)據(jù)分布的特征，估計(jì)分布模型參數(shù);檢測(cè)階段主要是計(jì)算檢測(cè)數(shù)據(jù)集的主成方向矢量的 分布概率，根據(jù)概率的大小判斷瓦斯?jié)舛葦?shù)據(jù)是否出現(xiàn)異常，其詳細(xì)的步驟如下： 訓(xùn)練階段 (1) 將樣本數(shù)據(jù)進(jìn)行劃分為Μ段長度為N的數(shù)據(jù)子矩陣化(j = 1，2···Μ); (2) 選取合適的核函數(shù)用于高維特征空間的矢量內(nèi)積； (3) 采用KPCA的方法獲取各數(shù)據(jù)子矩陣映射到高維特征空間后的主成方向矢量vj; (4) 通過Μ個(gè)V六十算整個(gè)訓(xùn)練數(shù)據(jù)子矩陣的平均方向矢量玄； (5) 采用VMF分布模型描述歷史數(shù)據(jù)主成方向矢量的分布，并估計(jì)確定模型參數(shù)； 檢測(cè)階段 (1) 求解數(shù)據(jù)子矩陣Dw的主成方向矢量VW; (2) 求解主成方向單位矢量vj+i與平均單位方向矢量X的內(nèi)積η; (3) 使用下式計(jì)算分布概率并與預(yù)定義的口限值進(jìn)行比較，若，則認(rèn)為瓦斯數(shù)據(jù)異常。根據(jù)檢測(cè)的濃度評(píng)價(jià)爆炸風(fēng)險(xiǎn)包括W下步驟:包括W下步驟:步驟1:從"人-機(jī)-環(huán)境- 管理"4個(gè)方面考慮，確定瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)指標(biāo)體系，對(duì)瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)劃分風(fēng)險(xiǎn)等級(jí)； 步驟2:采用改進(jìn)的ΑΗΡ單準(zhǔn)則排序方法確定所述指標(biāo)體系中的各指標(biāo)的權(quán)重向量;步驟3: 根據(jù)所述各指標(biāo)匹配的各風(fēng)險(xiǎn)等級(jí)的臨界值，將隸屬度函數(shù)分為成本型隸屬度函數(shù)或效益 型隸屬度函數(shù);依據(jù)各風(fēng)險(xiǎn)等級(jí)隸屬度函數(shù)的確定公式來確定所述成本型隸屬度函數(shù)或效 益型隸屬度函數(shù)，并根據(jù)所述成本型隸屬度函數(shù)或效益型隸屬度函數(shù)得到相應(yīng)的指標(biāo)隸屬 度矩陣μ;步驟4:根據(jù)非線性隸屬度轉(zhuǎn)換算法和所述指標(biāo)體系中各指標(biāo)的權(quán)重向量，將所述 的指標(biāo)隸屬度矩陣μ轉(zhuǎn)換為目標(biāo)隸屬度向量;步驟5:根據(jù)置信度識(shí)別準(zhǔn)則和所述目標(biāo)隸屬 度向量，判斷瓦斯爆炸災(zāi)害的風(fēng)險(xiǎn)等級(jí)。
【文檔編號(hào)】G06K9/62GK106096633SQ201610391920
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月5日 公開號(hào)201610391920.X, CN 106096633 A, CN 106096633A, CN 201610391920, CN-A-106096633, CN106096633 A, CN106096633A, CN201610391920, CN201610391920.X
【發(fā)明人】丁旭秋
【申請(qǐng)人】丁旭秋