基于粗糙集與神經網絡的煤礦瓦斯預測知識獲取方法研究.pdf

1、瓦斯爆炸是我國煤礦生產中最常見的災害事故，目前治理瓦斯爆炸的主要手段是瓦斯預測。專家系統(tǒng)具有適應性強、可靠性強、成本低、響應快等優(yōu)點，并具有持久性、復合性和解釋說明性等特性，這些優(yōu)點和特性十分切合煤礦瓦斯預測的需要。但是，知識獲取是建立煤礦瓦斯預測專家系統(tǒng)的關鍵和瓶頸，并且極大的限制了煤礦瓦斯預測專家系統(tǒng)的開發(fā)和應用。為解決這一問題，本文開展了煤礦瓦斯預測知識獲取方法的研究。
　　本文將粗糙集和神經網絡結合，提出一種由數據預處理、

2、神經網絡構造、神經網絡訓練、規(guī)則提取、驗證以及錄入六模塊組成的煤礦瓦斯預測知識獲取模型，詳細介紹了模型的總體結構和主要功能，著重研究了模型的實現算法，并應用到煤礦瓦斯實時數據中，應用結果表明該模型實時性好、可靠性及精度高，在很大程度上解決了煤礦瓦斯預測知識獲取困難的問題，為煤礦瓦斯預測專家系統(tǒng)知識庫的建立奠定了良好的基礎。
　　本文的主要工作包括:
　　1.對粗糙集和神經網絡兩種智能技術作了分析和探討，結合實際應用需要，將兩

3、種智能技術用于煤礦瓦斯預測知識獲取中，提出基于粗糙集與神經網絡的煤礦瓦斯預測知識獲取模型。
　　2.提出了一種將粗糙集和神經網絡結合在一起的知識獲取算法，該算法使用粗糙集對神經網絡的構造和學習所需的樣本數據進行預處理，并在神經網絡構造過程中動態(tài)調隱含層節(jié)點數，從而得到一個相對最佳的神經網絡結構，然后對該網絡進行訓練，最后通過一種現存的規(guī)則抽取算法將隱式知識用規(guī)則的形式表示出來。
　　3.知識獲取模型的實現及應用
　　通