基于D-S证据理论的瓦斯突出危险等级评判策略

针对影响煤矿采掘工作面瓦斯突出因素的不确定性和复杂的非线性关系,在分析Dempster-Shafer(D-S)证据理论的基础上,提出瓦斯突出危险等级评判的多传感器数据融合方法;通过对传感器采集的待评判采掘面参数进行预处理,得出D-S证据理论各传感器对突出危险等级的信度函数分配,再利用D-S证据理论的合成规则得到融合后的信度函数分配,从而实现危险等级的评判。结果表明,该方法具有良好的适应性并能得到较高的精确度,在一定程度上提高了评判系统的性能。

基于模糊神经网络和证据理论的瓦斯突出评判策略

针对影响煤矿瓦斯突出因素的不确定性和复杂的非线性关系,不能够利用经典的数学理论建立精确的预测模型,将模糊神经网络和D-S证据理论有机结合,提出了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判策略.首先对传感器采集的待评判采掘面参数进行预处理,使用模糊神经网络得出第一步的融合结果,并将其进行归一化处理,归一化函数作为基本概率赋值函数,然后将归一化之后的数值作为基本概率分配值,再用D-S证据理论进行第二次数据融合,作出最终评判.实验结果表明,该方法具有良好的适应性并能得到准确性较高的评判结果.