改進(jìn)的CBA算法在煤礦安全預(yù)警中的應(yīng)用研究.pdf

1、對(duì)煤礦事故的預(yù)警是煤礦安全的一項(xiàng)重要的工作,目前對(duì)各類煤礦事故的預(yù)警基本上都是通過監(jiān)測(cè)某單一因素是否達(dá)到臨界值進(jìn)行預(yù)警的,而當(dāng)單一因素沒有達(dá)到臨界值,此時(shí)系統(tǒng)一般不預(yù)警,但有多個(gè)因素同時(shí)接近臨界值時(shí)也是事故發(fā)生的危險(xiǎn)狀態(tài)。經(jīng)過對(duì)煤礦爆炸事故的分析,發(fā)現(xiàn)影響煤礦爆炸的因素主要有瓦斯?jié)舛?、煤塵含量、CO含量、溫度和風(fēng)速等。本文通過對(duì)影響煤礦爆炸因素的綜合分析研究,探索對(duì)煤礦爆炸事故進(jìn)行綜合預(yù)警的方法。
　　CBA(Classifica

2、tion Based on Association)是基于關(guān)聯(lián)規(guī)則的分類算法。其主要特點(diǎn)是根據(jù)關(guān)聯(lián)規(guī)則所產(chǎn)生的支持度大的規(guī)則去覆蓋訓(xùn)練樣本中支持度小的規(guī)則,從而得到分類規(guī)則。由于煤礦安全預(yù)警是一個(gè)比較復(fù)雜的工作,僅僅使用CBA算法不能達(dá)到一種好的效果。
　　本文使用一種改進(jìn)的CBA算法為煤礦安全中的爆炸災(zāi)害的實(shí)時(shí)預(yù)警分析提供優(yōu)化后的訓(xùn)練樣本數(shù)據(jù)集及其對(duì)應(yīng)的權(quán)值。改進(jìn)的CBA算法對(duì)經(jīng)過數(shù)據(jù)預(yù)處理后的訓(xùn)練樣本集進(jìn)行關(guān)聯(lián)分析得到分類規(guī)則

3、數(shù)據(jù)集,然后對(duì)分類規(guī)則數(shù)據(jù)集使用PFCM(Fuzzy C-Means Based on Solving Polynomial)算法,將其產(chǎn)生的隸屬度值作為分類訓(xùn)練樣本數(shù)據(jù)的權(quán)值進(jìn)行加權(quán)貝葉斯分類。為了增加分類的準(zhǔn)確率,可以將分類錯(cuò)誤的樣本進(jìn)行反饋,重新使用PFCM算法計(jì)算權(quán)值和進(jìn)行加權(quán)貝葉斯分類,直至分類的準(zhǔn)確率不再改變。這樣通過對(duì)大量的歷史監(jiān)測(cè)數(shù)據(jù)的算法分析,可以確定一個(gè)優(yōu)化后的分類的訓(xùn)練樣本及其對(duì)應(yīng)的權(quán)值,以減少在實(shí)時(shí)預(yù)警時(shí)對(duì)實(shí)時(shí)監(jiān)