（安全技术及工程专业论文）基于神经网络的煤与瓦斯突出预测系统的开发.pdf

a b s t r a c t a b s t r a c t i no r d e rt oi m p r o v et h ea c c u r a c ya n dr e l i a b i l i t yo fm i n ea n dg a so u t b u r s t f o r e c a s t i n g t h i sp a p e re s t a b l i s h e dt h em o d e lf o rf o r e c a s t i n gi n d e x e so p t i m i z i n ga n dt h e m o d e lf o ro u t b u r s tf o r e c a s t i n g a n dd e v e l o p e daf o r e c a s t i n gs y s t e ms o f t w a r eo fc s m o d e l b e c a u s et h e r ea r em a n yk i n d so ff o r e c a s t i n gi n d e x e s t h i sp a p e re s t a b l i s h e da m o d e lf o ro p t i m i z i n gi n d e x e sb a s e do ng r e yr e l a t i o n a la n a l y s i s t h em o s tr e l a t i o n a l i n d e x e sa l ec h o s e na c c o r d i n gt ot h ev a l u eo fg r e yr e l a t i o n a lg r a d e w h i c hh a d i m p o r t a n tr e f e r e n c et ot h eo u t b u r s tf o r e c a s t i n gm o d e l t h i sp a p e re s t a b l i s h e dt w o m o d e l sf o ro u t b u r s tf o r e c a s t i n g f u z z yc l u s t e r i n gm o d e la n dn e u r a ln e t w o r km o d e l w e i g h t e dt h ef o r e c a s t i n gi n d e x e st h a th a dt h eh i g h e s tg r e yr e l a t i o n a lg r a d ew h i l e e s t a b l i s h i n gt h ef u z z yc l u s t e r i n gm o d e l a n dc h a n g e dt h ea m o u n to fh i d d e nn o d e s t h r o u g has i m p l eb l o c ko fc o d e su n d e rm a t l a bc i r c u m s t a n c et of i n do u tt h eb e s t n e t w o r ks t r u c t u r ew h i l ee s t a b l i s h i n gt h en e u r a ln e t w o r km o d e l t h ef o r e c a s t i n gr e s u l t s o fo u t b u r s t w h i c hc a n l ef r o mt h et w om o d e l s w a sa c c o r d i n gw i t ht h ea c t u r a ls t a t u s c o m p l e t e l y f u z z yc l u s t e r i n gm o d e lc o u l dn o tg i v eae x c l u s i v ea n s w e r w h i c hw a so n l y r e g a r d e da sr e f e r e n c et oo u t b u r s tf o r e c a s t i n g w h i l et h er e s u l to fn e u r a ln e t w o kw a s a n u m b e r w h i c hw a sr e g a r d e da st h ef i n a lr e s u l to fo u t b u r s td a n g e rf o r e c a s t s q ls e r v e rw a sl i n k e dt ov bb ya d o m a t l a bw a sc o n n e c t e dt ov bt h r o u g h a c t i v e xa n dmf i l e w o r da n de x c e lw e r ec o m b i n e dt ov b u t i l i z i n gv b al a n g u a g e i n v bc i r c u m s t a n c eaf o r e c a s t i n gs y s t e ms o f t w a r eo fc sm o d e lw a sd e v e l o p e d w h i c h c o n s i s t e do fu s e r sm a n a g e m e n t i n d e x e sm a n a g e m e n t s a m p l e sm a n a g e m e n t o u t b u r s t f o r e c a s t i n g o u t b u r s tp r e v e n t i o na n do u t b u r s tr e c o r d ss u b s y s t e m t h em a i nf u n c t i o no f t h es y s t e mw e r e o p t i m i z i n gf o r e c a s t i n gi n d e x e s c h e c k i n gp r e v e n t i o n e f f e c ta n d r e c o r d i n go u t b u r s t a n dc r e a t i n gt h er e p o r to ff o r e c a s t i n gr e s u l ta u t o m a t i c t l y a l lo ft h e i n d i v i d u a la n dh u m a n i s t i cd e s i g ng i v e dal o to fc o n v e n i e n c et o u s e r s t 1 1 e yc o u l d w e i g h ts o m ei n d e x e si nf u z z yc l u s t e r i n gm o d e l s e tt h en u m b e ro fh i d d e nn o d e so fb p n e u r a ln e t w o r k m o d i f yt h ed e f a u l ti n d e x e si nd a t a b a s ef r e e l ya n dc o n v e n i e n t l y t h e s y s t e mw a st e s t e db ys o m ei n d e x e sa n ds a m p l e sc o m i n gf r o ms o m ec o a lm i n ei n i i a b s t r a c t h u a i n a n 嬲ar e s u l ta l lf u n c t i o no f t h es y s t e ma c h i e v e dd e s i g n i n gg o a l s f i g u r e 2 4 t a b l e 6 r e f e r e n c e 6 6 k e y w o r d s c o a lm i n e c o a la n d g a so u t b u r s t f o r e c a s t i n g g r e y r e l a t i o n a l a n a l y s i s f u z z yc l u s t e r i n g n e u r a ln e t w o r k s y s t e md e v e l o p m e n t c h i n e s eb o o k sc a t a l o g t d 7 12 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果 据我所知 除了文中特别加以标注和致谢的地方 以外 论文中不包含其他人已经发表或撰写过的研究成果 也不包含 为获得塞邀理王太堂或其他教育机构的学位或证书而使用过 的材料 与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示谢意 学位论文作者签名 日期 啤年j 月上日 学位论文版权使用授权书 本学位论文作者完全了解塞徵理王态堂有保留 使用学位论文 的规定 即 研究生在校攻读学位期间论文工作的知识产权单位属于 塞邀堡王太堂 学校有权保留并向国家有关部门或机构送交论文的复 印件和磁盘 允许论文被查阅和借阅 本人授权安徽理工大学 可以将学位论文的全部或部分内容编入有关数据库进行检索 可以采 用影印 缩印或扫描等复制手段保存 汇编学位论文 保密的学位论 文在解密后适用本授权书 学位论文 导师签名 戮箨徽 签字日期 小 7 年6 月f o 日 引言 引言 煤与瓦斯突出是矿井开采过程中发生的一种极其复杂的动力现象 它能在很 短的时间内 几秒钟到几分钟 以极快的速度向巷道喷出大量的煤与瓦斯 并 伴随强大的冲击力 能摧毁巷道设施 破坏通风系统 甚至使风流逆转 并可能 造成瓦斯窒息 瓦斯爆炸和煤流埋人等事故 对井下安全生产造成严重威胁 是 煤矿安全高效开采的重大障碍 煤与瓦斯突出是地应力 瓦斯压力 煤岩物理力学性质等多种因素综合作用 的结果 因此采用单指标预测突出危险程度无法考虑到引起突出的各种因素 此 时多指标预测突出尤为必要 然而对于如何从反应各种因素的众多指标中挑选有 效预测指标却没有统一的方法和结论 需要科学的理论模型来完成指标优选工作 签于此 本文建立了狄关联分析的指标优选模型 煤与瓦斯突出各因素之间具有隐性的非线性特征 本文利用善于处理非线性 问题的神经网络理论来建立突出预测模型 采用正则化b p 算法 通过m a t l a b 程 序代码来确定最佳网络结构 提高了神经网络模型的推广能力 样本预测的结果 精度高 与实际吻合 本文还构建了基于模糊聚类的突出预测模型 设计了一种 加权改进的算法 能将样本划分成多种类别 给神经网络模型的预测结果提供参 考 大量指标样本数据的整理和分析是一项繁琐的任务 需要掌握深邃的数学理 论知识 浪费不少时间精力 如何提高突出预测效率是众多煤矿工作者的心头之 患 于是本文将突出预测的数学模型与计算机结合起来 利用v b s q ls e r v e r 和m a t l a b 软件设计开发c s 模式的煤与瓦斯突出预测系统软件 用户通过本系统 能实现指标管理 样本管理 突出预测 突出防治和突出记录等主要功能 用户 输入预测指标和样本数据后 系统自动实现预测指标优选工作和突出预测工作 系统还具有信息储存 查询 修改等基本功能 还提供了不少个性化设计 让用 户自己选择聚类加权指标和神经网络预测模型的结构等 对于处理各种预测指标 样本数据都能适用 采用本系统对淮南部分矿井指标数据进行预测分析 结果与 实际一致 安徽理 i 人学硕十论文 1 1 研究现状 第1 章绪论 目前煤与瓦斯突出预测较多采用的指标有钻屑量s 钻孔瓦斯涌出初速度q 瓦斯放散指数ap 煤体咯固性系数f 瓦斯压力p 每一单项指标一般都是侧重 强调某一 两个因素的影响 而工作而的突出危险性一般受多种因素的影响 因 此综合指标法和多指标预测更能全面考虑各影响因素 预测准确率高于单项指标 这些综合指标目前在各局矿预测突出中均起着重要的作用 然而对于如何从众多 的指标中挑选有效的预测指标却没有定论 大都根据经验柬确定 没有形成系统 的理论模型 现场的监测数据需要构建合理的数学模型来处理和分析 煤与瓦斯突出预测 模型大都基于模糊理论和非线性理论等数学理论 例如 模糊时间序列理论将矿 井瓦斯涌出量的变化过程看成是一定时间和空问内变化的随机过程 以矿井在过 去一段时间内瓦斯涌出量大小的实测资料为依据 对矿井今后一段时问内瓦斯涌出 量的大小及发展趋势进行预测 非线性理论中的神经网络理论和混沌分形理论在 煤与瓦斯突出预测中得到应用 7 1 神经网络模型对于处理各因素与突出危险性之间 的复杂映射关系非常有效 通过对训练样本的学习自动建立网络结构 用之预测 未知样本的突出危险程度 基于混论分形理论模弛的研究表明 突出与非突出井 田的断层分布均服从分形规律 井f f l 中断层分布的分维值与瓦斯突出之间存在着 j 下相关关系等重要结论 这些数学理论模型的建立 为煤与瓦斯突出预测分析提供 了许多新思路 然而大量指标数据的分析和处理 作需要较深的数学理论和计算机理论知 识 而且耗费不少时问和精力 计算机的同益普及要求提高煤与瓦斯突出预测的 自动化和信息化 给煤与瓦斯突出预测工作者提供一种集成突出预测模型的系统 软件是未来的发展趋势 目前突出预测系统方面的研究主要有 基于模糊理论 非线性理论等的突出预测专家系统 提高了传统专家系统的预测精度和可行度 基于g i s 的煤与瓦斯突出预测系统 3 2 l 为矿井煤与瓦斯突出 域预测预报提供了 集成的数据环境和可视化的分析平台 使煤与瓦斯突出区域预测向多因素 多目 标 多维方向发展 提高区域预测的准确性和决策的科学性 在k b d 7 瓦斯预报 2 第1 章绪论 仪器技术依托下 采用a s p 技术 设计基于b s 模式的煤与瓦斯突出危险性预测网 络系统 实现电磁接收信号的合理运作和共享 建立一个面向全局域网的煤与瓦斯 突出指标分析预测与报警的平台 为决策提供及时 便捷明了的服务 将煤体温度 变化 电磁辐射 声发射以及煤的破坏类型和煤层的地质构造综合起来考虑 应用 灰色系统理论中的多维灰色评估方法 编制煤与瓦斯突出预测预报系统软件 煤与瓦斯突出预测系统方面的研究比较少 在无接触式监测技术基础之上 构建合理的煤与瓦斯突出预测模型 并开发出实用的系统软件 有待进一步深入 研究 这对于有效防治煤与瓦斯突出工作和实现煤矿安全高效开采具有重大意义 1 2 课题研究目的 在多指标预测突出的基础上 构建突出预测指标优选模型 从大量预测指标 里面选出对突出影响较大的若干个指标 构建煤与瓦斯突出预测模型 将优选出 的预测指标样本数据输入突出预测模型 实现突出预测功能 并提高突出预测精 度 利用v b s q ls e r v e r 和m a t l a b 软件设计开发煤与瓦斯突出预测管理系统 实现指标优选和突出预测的自动化 系统采用c s 模式 支持多用户同时访问服 务器的功能 系统界面简洁 操作容易 无需掌握深邃的数理知识 让大多数煤 矿安全工作者轻松完成煤与瓦斯突出预测工作 1 3 论文主要研究工作 1 煤与瓦斯突出预测系统总体设计 包括系统设计原则 系统设计目标 系统功能描述 系统流程分析 功能模 块划分 系统权限控制和数据库设计等 2 煤与瓦斯突出预测指标优选模型的构建 构建基于灰关联分析的突出预测指标优选模型 从大量的预测指标中挑选出 对突出影响较大的预测指标 3 煤与瓦斯突出预测模型的构建 构建基于模糊聚类的煤与瓦斯突出预测模型和基于人工神经网络的煤与瓦斯 突出预测模型 4 系统各功能模块的实现 主要完成用户管理 指标管理 样本管理 突出预测 突出防治 突出记录 系统管理和帮助等模块的实现 3 安徽理 j 人学硕士论文 5 系统测试与维护 测试系统性能是否达到设计要求 调试并完善系统 1 4 论文研究技术路线 厂 一一 收集整理相关资料l i 一 一 j 一 v v b m a t l a b s q ls e r v e r 集 成开发技术的研究 一 f 煤与瓦斯突出预测系 统的总体设计 煤与瓦斯突出预测数一 学模型的构建 l 一 预测指笺毖 模慢的 i 突出预测模型的构建 构建 i 兀山班删1 烈e 一h 惩 f j 一 l 灰关联分析 神经嘲络j 模糊聚类 模把模璎模型 l l 一一 v i 数学模型在m a t l a b 中 的代码实现 一 v 一 v b 界面的设汁 s q ls e r v e r 数据库的 设计 系统各功能模块代码2 的实现 一一 v 一 系统的测试 图1 1 论文研究技术路线 f i 9 1 1t e c h n o l o g i c a ll i n eo f t h ep a p e rr e s e a r c h 4 第2 章煤与瓦斯突出预测系统总体设计 第2 章煤与瓦斯突出预测系统总体设计 煤与瓦斯突出预测系统是基于c o m 组件技术 d l l 技术 a c t i v e x 技术和a d o 数据库访问技术 将功能强大的数学软件m a t l a b 数据库系统s q ls e r v e r2 0 0 0 与 v b 连接起来 借助v b a 语言 在v b 环境中设计和丌发的 2 1 系统开发主要工具 l v b 6 0 v b 是v i s u a lb a s i c 的简称 v i s u a lb a s i c 是一种可视化的 面向对象和采用事 件驱动方式的结构化高级程序设计语言 可用于丌发w i n d o w s 环境下的各类应用 程序 4 3 棚 它简单易学 效率高 且功能强大可以与w i n d o w s 专业丌发工具s d k 相媲美 在v i s u a lb a s i c 环境下 利用事件驱动的编程机制 新颖易用的可视化设 计工具 使用w i n d o w s 内部的广泛应用程序接口 a p i 函数 采用动态链接库 d l l 对象的链接与嵌入 o l e 开放式数据连接 o d b c 等技术 3 9 可 以高效 快速地开发w i n d o w s 环境下功能强大 图形界面丰富的应用软件系统 随 着版本的提高 v i s u a lb a s i c 的功能也越来越强 5 0 版以后 v i s u a lb a s i c 推出了中 文版 与f j 几个版本相比 其功能有了很大提升 2 m a t l a b 7 0 m a t l a b 是矩阵实验室 m a t r i xl a b o r a t o r y 之意 除具备卓越的数值计算能力 外 它还提供了专业水平的符号计算 文字处理 可视化建模仿真和实时控制等 功能 1 9 1 2 3 1 m a t l a b 的基本数据单位是矩阵 它的指令表达式与数学 工程中常用 的形式十分相似 故用m a t l a b 来解算问题要比用c f o r t r a n 等语言完成相同的 任务简捷得多 在新的版本中也加入了对c f o r t r a n c j a v a 的支持 可 以直接调用 用户也可以将自己编写的实用程序导入至l j m a t l a b 函数库中方便自己以 后调用 由于m a t l a b 的开放性 并r m a t h w o r k 也吸收了像m a p l e 等软件的优点 使 m a t l a b 成为一个强大的数学软件 当前流行的m a t l a b6 5 7 0 包括拥有数百个内部函 数的主包和三十几种工具包 t o o l b o x 开放性使m a t l a b 广受用户欢迎 除内部函数 外 所有m a t l a b 主包文件和各种工具包都是可读可修改的文件 用户通过对源程序 的修改或加入自己编写的程序构造新的专用工具包 3 s q ls e r v e r2 0 0 0 s q ls e r v e r 是一个性能优越的关系型数据库管理系统 也是一个典型的网络 5 安徽理 i 人学硕 论文 数据库管理系统 支持多种操作系统平台 性能可靠 易于使用 是电子商务等 应用领域中的首选数据库产品之一 它是一种面向数据库的通用数据处理语言规 范 能完成提取查询数据 插入 修改 删除数据 生成 修改和删除数据库对 象 数据库安全控制 数据库完整性及数据保护控制等功能 s q ls e r v e r 是客户端 月f j 务器系统应用的典型例子 这种模式采用中央服务器集中存储数据 便于维护 管理 客户机通过网络与运行s q ls e r v e r 的服务器相连 数据库应用的处理过程分 布在客户机和服务器上 由客户机完成数据表示和大部分业务逻辑的实现 s q l s e r v e r2 0 0 0 关系型数据库引擎支持当今苛刻的数据处理环境所需的功能 可同时管 理上千个并发数据库用户 其分布式查询使用户可以引用来自不同数据库的数据 同时具备分布式事务处理系统 保障分稚式数据更新的完整性 s q ls e r v e r2 0 0 0 提供强大工具可帮助完成创建 使用和维护数据仓库的任务 4 5 1 1 4 6 1 4 v b a v i s u a lb a s i cf o ra p p l i c a t i o n s 简称v b a 是新一代标准宏语言 是基于v i s u a l b a s i cf o rw i n d o w s 发展而来的 它与传统的宏语言不同 传统的宏语言不具有高 级语言的特征 没有面向对象的程序设计概念和方法 而v b a 提供了面向对象的 程序设计方法 提供了相当完整的程序设计语言1 5 v b a 不但继承了v b 的开发 机制 而且v b a 还具有与v b 相似的语言结构 它们的集成开发环境i d e i n t e r g r a t e dd e v e l o p m e n te n v i r o n m e n t 也几乎相同 v b a 能给o f f i c e 2 0 0 0 应用程 序提供一种方法让用户可以完成o f f i c e2 0 0 0 本身所不具备的功能 并且按照自己的 习惯对o f f i c e2 0 0 0 进行定制 制作自己习惯的工具栏 菜单栏以及常用的自动加载 功能等等 v b a 是插入到o f j f i c e2 0 0 0 应用程序中的一个w i n d o w s 构件 并在不同的 层次上与它们共存 v b a 与o f f i c e2 0 0 0 应用程序w o r d2 0 0 0 e x c e l2 0 0 0 a c c e s s 2 0 0 0 p o w e r p o i n t2 0 0 0 以及o u t l o o k2 0 0 0 存在着紧密的联系 它实际上是一个解释 器 将用户的程序指令作为自己独立的w i n d o w s 进程来执行1 5 2 1 v b a 程序是通过 对蒙库 与o f f i c e2 0 0 0 应用程序对话的 2 2 系统开发关键技术 1 a d o a d o a c t i v e xd a t ao b j e c t s a c t i v e x 数据对象 是m i c r o s o f t 提出的应用程序 接口 a p i 用以实现访问关系或非关系数据库中的数据 3 9 1 像m i c r o s o f t 的其它 系统接口一样 a d o 是面向对象的 它是m i c r o s o f t 全局数据访问 u d a 的一 部分 m i c r o s o f t 认为与其自己创建一个数据 不如利用u d a 访i u 已有的数据库 6 第2 章煤与瓦斯突出预测系统总体没计 为达到这一目的 m i c r o s o f t 和其它数据库公司在它们的数据库和m i c r o s o f t 的o l e 数据库之间提供了一个 桥 程序 o l e 数据库已经在使用a d o 技术 作为a c t i v e x 的一部分 a d o 也是m i c r o s o f t 的组件对缘模式 c o m 的一部分 它的面向组 件的框架用以将程序组装在一起 a d o 向v b 程序员提供了很多好处 包括易于 使用 熟悉的界面 高速度以及较低的内存占用 同传统的数据对象层次 d a o 和i m o 不同 a d o 可以独立创建 因此你可以只创建 个 c o n n e c t i o n 对象 但是可以有多个 独立的n r e c o r d s e t t 对象来使用它 5 4 l 5 5 a d o 针对客户机 服务 器以及w e b 应用程序作了优化 2 存储过程 存储过程 s t o r e dp r o c e d u r e 是一组为了完成特定功能的s q l 语句集 经编 译后存储在数据库1 4 6 1 中 用户通过指定存储过程的名字并给出参数 如果该存储 过程带有参数 来执行它 在s q ls e r v e r 的系列版本中存储过程分为两类 系统 提供的存储过程和用户自定义存储过程 系统过程主要存储在m a s t e r 数据库中并 以s p 为前缀 并且系统存储过程主要是从系统表中获取信息 从而为系统管理 员管理s q ls e r v e r 提供支持 通过系统存储过程 s q ls e r v e r 中的许多管理性或 信息性的活动 如了解数据库对象 数据库信息 都可以被顺利有效地完成 尽 管这些系统存储过程被放在m a s t e r 数据库中 但是仍可以在其它数据库中对其进 行调用 在调用时不必在存储过程名前加上数据库名 而且当创建一个新数据库 时 一些系统存储过程会在新数据库中被自动创建 用户自定义存储过程是由用 户创建并能完成某一特定功能 如查询用户所需数据信息 的存储过程 本系统 除了调用系统存储过程外 还编写了用户自定义的存储过程 常用格式如下 c r e a t ep r o c e d u r ep r o c e d u e n a m e p a r a m e t e rd a t a t y p e o u t p u q w i t h r e c o m p i l e l e n c r y p t i o n 弱 s q l s t a t e m e n t 3 v b 与m a t l a b 连接技术 m a t l a b 与v b 集成主要有如下四种方法 借助a c t i v e x 部件 通过m 文件 借助d d e 技术和引入m a t r i x v b 本文采用了前面两种连接技术 1 借助a c t i v e x 部件 m i c r o s o f t 把所有以c o m 为基础的技术统称为a c t i v e x 技术 1 9 自动化是大 多数a c t i v e x 技术的基础 它可使解释性的宏语言 如v b 能够在不了解应用 7 安徽理j 1 人学硕十论文 程序实现细节的情况下控制自动化对象 m a t l a h 实现了a c t i v e x 自动化服务支持 在v b 下通过a c t i v e x 自动化接口可将m a t l a b 作为v i s u a lb a s i c 语言的一个 a c t i v e x 部件调用 m a t l a ba c t i v e x 自动化服务的功能主要包括在m a t l a b 工作空 间执行m a t l a b 命令 以及直接从工作空间存取矩阵 2 通过m 文件 m a t l a b 产生的m 文件不能直接在v b 中调用 可利用m c c 将m 文件直接编 译成 e x e 文件 然后在v b 中声明下面三个a p i 函数 最后使用s h e l l 命令即可 实现v b 与m a t l a b 的无缝集成 4 a p i a p i a p p l i c a t i o np r o g r a m m i n gi n t e r e 即应用程序编程接口1 3 3 是一套用来 控制w i n d o w s 的各个部件 从桌面的外观到为一个新进程分配的内存 的外观和行 为的一套预先定义w i n d o w s 函数 用户的每个动作都会引发一个或几个函数的运 行以告诉w i n d o w s 发生了什么 这在某种程度上很象w i n d o w s 的天然代码 我 们要丌发出更灵活 更实用 更具效率的应用程序 必然要涉及到直接使用a p i 函数 虽然类库和控件使应用程序的开发简单的多 但它们只提供w i n d o w s 的一 般功能 对于比较复杂和特殊的功能来说 使用类库和控件是非常难以实现的 这时就需要采用a p i 函数来实现 5 c s 模式 c s 模式即客户机 服务器 c l i e n t s e r v e r 模式 是目前广泛使用的一种信息处 理模式 它可以减少系统开支 将网络所连接的微机群信息处理性能大大提高 因 为其分布式处理的特点 它可以提高系统的可靠性 此外 由于其采用模块化及 开放式体系结构 4 3 1 使得它容易将不同的机器有效地连接在一起 易于系统的扩 展升级 提高了系统的灵活性1 4 4 j 下是上述特点 使得客户 服务器模式在计算机 工业领域占有重要的地位 同时也被工业过程领域所借用 用于实时信息的传输 和处理 在t c p i p 网络应用中 通信的两个进程相互作用的主要模式是客户机 服务器模式 即客户端向服务器发出请求 服务器接收到请求后提供相应的服务 8 第2 章煤与瓦斯突 j j 预测系统总体设计 服务器 2 3 系统设计原则 图2 1 客户机 月i i l 务器结构图 f i 9 2 1t h es t r u c t u r eo fc l i e n t s e r v e r 1 实用性原则 实用性原则是衡量软件质量体系中最重要的指标 是否与业务结合紧密 是 否具有严格的业务针对性 是系统成败的关键因素 2 经济性原则 设计适度规模的系统使性价比得到提高 减少系统运行硬件设备的投入 尽 量采用实验室现有的软硬件环境及先进的管理系统开发方案 从而达到充分利用 现有资源 提高系统开发水平和应用效果的目的 3 先进性原则 将当今最先进的技术和实际应用相结合 获得最大的系统性能和效益 应尽 量采用目前先进而成熟的管理技术及设备 同时 配之以先进和高效实用的系统 软件和应用软件 使整个系统协调一致地运行 4 模块化原则 业务需求是动态变化的 系统必须有很好的灵活性 采用模块化的设计模式 使功能结构具有很好的伸缩性 用户可以根据实际需要扩展模块 5 可扩展性原则 系统应具有较好的可扩展性 系统的可扩展性应包括能接纳已有的系统和在 今后系统软硬件扩展时 能有效地保护已有的资源 特别是在应用需求变化时 能容易的加以调整 9 安徽理一i 人学硕士论文 2 4 系统设计目标 煤与瓦斯突出预测系统要能实现突出预测的可靠性和准确性 要求界面简洁 方便操作 系统分为用户管理 指标管理 样本管理 突出预测 突出防治和突 出记录等予系统 主要实现预测指标优选 突出预测 防突措施效果检验和突出 记录等功能 并能自动生成突出预测报告 能让用户定制自己的指标数据库和样 本数据库 自主选择指标优选模型和突出预测模型的结构和指标 要求实现数据 库系统的可维护行和扩充性 让系统高效稳定地运行 2 5 系统功能设计 本系统可以给煤矿安全技术人员提供一个友好的操作界面 根据实际需要录 入预测指标和样本数据实现指标优选和突出预测的功能 灰关联分析模型能对预 测指标进行优选 突出预测模型有两种 模糊聚类模型和神经网络模型 系统将 用户录入的样本数据进行数值分析得出突出危险程度的结果 用户在权限许可的 范围内方便地修改个人安全密码 增删用户 变更其他用户权限 修改系统数据 库中的预测指标和神经网络训练函数 操作更加人性化 系统主要功能模块划分如下 1 丑 务器启动模块 服务器启动模块包括启动窗体 数学模型的m 文件和s q ls e r v e r 数据库 服务器启动窗体启动后开始侦听客户机的连接请求 建立连接后开始接收客户机 的数据指令 分析数据指令信息并调用相应的过程 将数据库中的数据传递给 m a t l a b 的m 文件 计算完成后再将结果数据写入数据库 服务器模块要求能快速 方便地启动和停止服务 能够显示所有在线用户信息与收发指令 2 用户登录模块 客户端的用户登录模块包括登录窗体和s q ls e r v e r 数据库 窗体启动后 用 户可以选择相应的级别 输入用户名和密码 只有数据库中记录的用户才可以顺 利登录系统 3 系统主界面模块 系统主界面模块包括主界面窗体和s q ls e r v e r 数据库 通过主界面 用户可 以进入用户管理 指标管理 突出预测 突出防治 突出记录 系统管理和帮助 子系统执行各自的功能 4 指标录入模块 1 0 第2 章煤与瓦斯突出预测系统总体设计 指标录入模块包括指标录入窗体和s q ls e r v e r 数据库 此模块实现突出预测 指标的输入 修改和保存 并建立相应的数据库表 5 样本录入模块 样本录入模块要求实现样本数据的录入 修改 删除和保存 指标优选 模 糊聚类和神经网络都需要样本数据的录入 其中指标优选只需要录入已知样本数 据 而模糊聚类和神经网络则需要录入已知样本数据和预测样本数据 6 样本修改模块 样本修改模块要求实现对历史样本信息的查询 删除和修改功能 包括单条 记录和文件名的修改和删除 方便用户充分利用数据资源 为突出预测提供更多 有效信息 7 指标优选模块 指标优选模块要求能够实现指标优选模型的建立和预测指标的优选功能 包 括样本数据的计算 保存 向远程服务器发出连接请求和调用指标优选模块过程 的指令 等待服务器完成计算后调用数据库的信息输出到窗体控件中 8 模糊聚类预测模块 模糊聚类预测模块要求能够实现模糊聚类模型的构建和突出预测的功能 此 模块包括样本数据的计算 保存 向远程服务器发出连接请求和调用模糊聚类模 块过程的指令 等待服务器完成计算后将数据库的信息输出到窗体控件中 9 神经网络预测模块 神经网络预测模块要求能够实现神经网络模型的构建和突出预测的功能 包 括样本数据的计算 保存 向远程服务器发出连接请求和调用神经网络模块过程 的指令 等待服务器完成计算后将数据库的信息输出到窗体控件中 并自动生成 预测报告 1 0 防突措施查询模块 防突措施查询模块要求实现各种突出技术措施的查询功能 给用户提供防突 技术支持 让用户能够方便学习防突技术知识 1 1 防突效果检验模块 防突效果检验模块要求实现突出效果的检验功能 将防突技术措施的具体实 施情况和实际效果保存到数据库中 并能够生成效果检验报告单 1 2 增加突出记录模块 增加突出记录模块实现历史突出记录的录入功能 将突出历史数据保存到数 据库中 供修改突出记录模块调用 安徽理 r 人学硕t 论文 1 3 修改突出记录模块 修改突出记录模块实现历史突出记录的查询 修改和删除功能 而且还要具 有自动生成记录报表的功能 1 4 用户管理子系统 用户管理子系统包括修改密码 添加用户 删除用户和变更权限4 个模块 主要实现修改用户密码 增加新用户 删除老用户和改变用户操作权限的功能 1 5 系统管理子系统 系统管理子系统包括系统设置 系统更新和退出系统3 个模块 其中系统设 置模块主要功能有改变系统背景色 前景色和字体 系统更新模块用来实现从服 务器下载系统更新版本的功能 l6 帮助子系统 帮助子系统包括用户手册 视频演示和在线交流3 个模块 用户可以从用户 手册和视频演示晕了解系统运行基本原理和操作流程 而且还可以进入在线交流 模块 寻找网络在线用户共同探讨系统操作心得 分享宝贵经验 2 6 系统流程分析 系统从登录界面开始运行 首先进行用户密码验证 假如是非法用户则退出 系统 合法用户登录后进入系统主界面 系统主要是实现煤与瓦斯突出预测功能 首先输入预测指标 然后录入数据样本 接着进行预测指标优选 最后进行突出 危险程度预测 打印预测报告 若预测出有突出危险则进行突出防治 采取相应 的防突技术措施 设计详细方案 现场实施后 还要进行防突措施效果检验 确 保突出措施达到预定防突目标 若不幸发生突出事故 应做好突出记录工作 作 为以后防突工作的参考 系统流程图如下 1 2 第2 章煤与瓦斯突出预测系统总体设计 用户登录 尺 瓦斯压力 瓦斯放散系数 煤的举固性系数 综合指标k 综合指标d 由此可见 地质构造对突出贡献最大 也即地质构造类型指标对煤与 瓦斯突出的影响程度最大 因此在突出防治工作中 应强化地质构造带的防突工 作 1 9 安徽理一1 1 人学硕十论文 3 5 本章小结 本章采用灰关联分析模型对突出预测指标进行优选 在所使用的样本指标中 煤的举固性系数指标与突出危险程度成反方向变化 当煤的坚固性系数指标值越 大时 其突出的危险程度反而越小 因此必须对煤的坚固性指标求倒数化像 所 以在构建灰关联分析模型时 首先必须找出与突出危险程度变化方向相反的指标 对之求倒数化像 才可进行模型建立的余下步骤 否则狄关联分析结果将会成为 谬论 经狄关联分析得出 在所使用的样本指标中 地质构造类型指标的灰关联 度最大 即该指标对突出的影响程度最大 预测指标优选结果将为突出预测模型 如何确定预测指标提供参考 第4 章煤与瓦斯突出预测模型的构建 第4 章煤与瓦斯突出预测模型的构建 4 1 基于模糊聚类的煤与瓦斯突出预测模型 模糊聚类模型用来将已知样本和数据样本分类 归于同类的样本具有相同的 突出危险程度 选择聚类个数为3 的分类 观察聚类结果就能确定未知样本的突 出危险程度 模糊聚类模型利用数学分析软件m a t l a b 来构建 然后采用a c t i v e x 技术在v b 环境中被调用 4 1 1 模糊聚类原理 在自然科学和社会科学研究中 存在着许多定义不很严格或者说具有模糊性 的概念 为处理这些模糊概念而进行的种种努力 催生了模糊数学 产生了模糊 集合论 又由于同常生活 生产 科研工作中 经常要对被研究对象进行分类 研究和处理给定对样的分类的数学方法称为聚类分析 聚类分析的目的是把相似 的东西归成类 应用模糊数学的方法进行聚类分析 就是模糊聚类分析 模糊聚 类分析的数学基础是模糊集合论 煤与瓦斯突出预测指标有很多种 这些指标与 突出的危险程度之问有不确定的模糊关系 用模糊聚类分析方法处理突出预测问 题效果明显 4 1 2 模糊聚类主要步骤 4 121 数据标准化 在实际问题中 不同的数据一般有不同的量纲 为了使不同的量纲的量也能 进行比较 通常需要对数据作适当的变换 通常的变换方法有 标准差变换法 极差变换法和对数变换法等 本文采取极差变换法 其变换公式如下 3 0 一m i n x 二 x 皇皇l 七 l 2 m 一m a x 瓯 一m i n 瓯 乃 4 1 2 2 建立模糊相似矩阵 设论域u x 1x 2 x t x 肿x m x 咖 依照传统聚类方法确定相似 系数 建立模糊相似矩阵 x 与 的相似程度勺 r x x 确定勺的方法主要 2 1 安徽理 1 人学硕 论文 分三大类 相似系数法 距离法和主观评分法 本文采用绝对值指数法建立相似 矩阵 所用到的公式如下 3 l 海明 h a m m i n g 距离 d 一 x i x 膻一x 业i k l 指数距离法 r j e x p 一d x f x 4 1 2 3 聚类 聚类方法分为传递闭包法 布尔矩阵法和直接聚类法f 3 0 1 本文采用传递闭包 法求模糊等价矩阵 根据标定所得的模糊矩阵 只是一个模糊相似矩阵尺 不一定具有传递性 即尺不一定是模糊等价矩阵 为了进行分类 还需要将r 改造成模糊等价矩阵r 木 用二次方法求足的传递闭包f 尺 f 尺 就是所求的模糊等价矩阵r 枣 即 r j i c 观察模糊等价矩阵r 每个兄值对应一种分类 从中选择最合理的分 类结果 4 1 3 模糊聚类法预测煤与瓦斯突出 煤与瓦斯突出机理的3 因素综合作用假说认为 瓦斯突出是瓦斯 地应力和 煤的物理力学性质综合作用的结果 这种假说得到广大学者的认同 而在第3 章 的灰色关联分析法的应用中 得出了这样的结论 瓦斯压力 瓦斯放散系数 煤 的坚同性系数和地质构造是6 项预测指标中对突出的关联度较大的4 项 于是本 文选择瓦斯压力 地质构造和煤的坚固性系数3 项指标来进行聚类分析 设论域u x x x 表示样本集 每个样本包含3 个预测指标 他们分 别是瓦斯压力 煤的坚固性系数和地质构造类型 即 x f x 订 x 1 2 x f 3 由于样本数据量纲不统一 应进行数据标准化 这罩采用级差变换法 变换 后的数据处于0 和l 之间 第4 章煤与瓦斯突出预测模犁的构建 表4 1 模糊聚类标准数据样本 t a b l e 4 1t h es t a n d a r ds a m p l e so ff u z z yc l u s t e r i n gm o d e l 采用绝对值指数法建立模糊相似矩阵 由于通过灰关联分析法得出地质构造 指标对突出的影响程度最大 因此将绝对值数法适当变形 也就是加大地质构造 指标对相似关系的影响 标准的绝对值指数法公式为 勺 e x p i x 膻一 1 k l 而加入地质构造指标权重后的绝对值指数法可以写为 乃 e x p 一2 b x i k 一 i 求出相似矩阵后 用平方法求传递闭包 结果尺8 尺4 于是月4 即是所求的 传递闭包 也即是所求的等价矩阵 从等价矩阵很容易得到聚类结果 由于突出危险程度分为三个等级 没有突 出危险 一般突出危险和严重突出危险 据此将样本数据可分为3 类 五 x 9 x 2 x 3 x 7 x g x 4 黾 x 6 x i o 2 0 4 4 7 6 为最佳阈值 此时聚类 结果与实际分类完全一致 由此可见 在灰色关联分析法的基础上 对模糊聚类 的相似矩阵算法进行加权改进 对于处理煤与瓦斯突出预测十分有效 4 2 基于神经网络的煤与瓦斯突出预测模型 神经网络是人工神经网络的简称 人工神经网络是模仿脑细胞结构和功能 脑神经结构以及思维处理问题等脑功能的新型信