結合DBN-CBR的Agent救援決策模型的研究與應用.pdf

1、一直以來,各種煤礦災害給我國的煤炭工業(yè)帶來了巨大的經濟損失,導致了多次重大的人員傷亡,給我國煤炭工業(yè)的可持續(xù)發(fā)展和社會的和諧穩(wěn)定造成了極大的危害。傳統(tǒng)的煤礦虛擬仿真技術是利用虛擬現(xiàn)實技術,根據煤礦井下的各種數(shù)據,對煤礦井下的生產環(huán)境進行模擬和仿真,可以在煤礦虛擬場景中進行各種煤礦災害演示,對煤礦工作人員進行安全培訓,以最大程度地降低煤礦災害的發(fā)生率和提高煤礦災害事故的應急救援決策能力。
　　案例推理技術具備重用歷史經驗的能力,歷史

2、案例對重復率較高的煤礦災害有較強的指導意義,貝葉斯網絡模型能夠處理煤礦災害事故應急救援決策中常存在的數(shù)據缺失問題,智能主體(Agent)技術在智能性和動態(tài)性上的優(yōu)勢,對復雜多變的問題尤為適用。本文以動態(tài)貝葉斯網絡結合案例推理模型(DBN-CBR)建立應急救援決策模型和智能主體技術為基礎,針對煤礦災害重復率高和動態(tài)變化的特點,具體研究如下:
　　首先,本文在通過Agent的智能性以及煤礦災害的分析,研究了一種面向任務的Agent體系

3、結構,結合Agent模型改進作業(yè)條件危險性評價法(LEC)的安全評價方法,對井下災情進行現(xiàn)場評價,為后續(xù)的救援決策提供危險等級的參考數(shù)據,加快煤礦災害的救援決策。
　　其次,利用貝葉斯網絡的優(yōu)勢,構建出DBN-CBR模型。在傳統(tǒng)案例推理的理論基礎上,結合新提出的動態(tài)增量式期望最大化貝葉斯網絡參數(shù)學習方法,改進了煤礦災害事故應急救援決策過程中的相似度評價函數(shù)。在此基礎上,提出了案例庫的組織方式:K-D樹組織,通過這種方式,有效的提高