[发明专利]深部矿井巷道围岩多源灾变信息智能诊断与决策方法

说明书

本发明公开了一种深部矿井巷道围岩多源灾变信息智能诊断与决策方法，具体步骤如下：步骤S1：通过已有的数据进行分析确定预测指标，建立关系模型，通过关系模型将采集的数据传入到数据库表中，构建出影响巷道围岩稳定性的多源信息数据库；步骤S2：建立多维高斯贝叶斯决策模型和基于最小二乘支持向量机的诊断模型，得到两组决策输出；步骤S3：通过基于加权修正的DS证据理论模型对步骤S2中的两组决策进行融合。采用上述一种深部矿井巷道围岩多源灾变信息智能诊断与决策方法，对围岩安全状态的判断更加准确，可增加信息处理的容错性，再出现某一传感器故障时，对整体的诊断结果影响较小。

技术领域

本发明涉及智能诊断与决策技术领域，尤其是涉及一种深部矿井巷道围岩多源灾变信息智能诊断与决策方法。

背景技术

近年来我国矿业发展迅速，矿业在国民经济中占有重要地位，矿业资源的开发和利用已成为我国社会经济发展的重要支柱，而深部矿井巷道的监测至关重要，若发生事故可造成经济损失甚至人员伤亡，目前对于矿井巷道围岩的安全监测还存在准确率低、容错性差以及实时性差等缺点。

发明内容

本发明的目的是解决上述存在的问题。

为实现上述目的，本发明提供了一种深部矿井巷道围岩多源灾变信息智能诊断与决策方法，具体步骤如下：

步骤S1：通过已有的数据进行分析确定预测指标，建立关系模型，通过关系模型将采集的数据传入到数据库表中，构建出影响巷道围岩稳定性的多源信息数据库；

步骤S2：建立多维高斯贝叶斯决策模型和基于最小二乘支持向量机的诊断模型，得到两组决策输出；

步骤S3：通过基于加权修正的DS证据理论模型对步骤S2中的两组决策进行融合。

优选的，步骤S1具体为：

步骤S11：通过多种工况下的动静态物理模拟试验；

步骤S12：基于现场数据、试验数据进行数值模拟分析，确定预测指标，建立围岩变形与应力场特征、开挖特征以及围岩力学特性劣化的关系模型；

步骤S13：将步骤S12中的关系模型转化为数据库表，采集相应特征的数据插入到对应的表中，构建出影响巷道围岩稳定性的多源信息数据库。

优选的，步骤S2中，建立多维高斯贝叶斯决策模型具体步骤为：

步骤S21a：对多源信息数据库中的数据进行处理，处理后的数据基于主成分分析进行数据降维，当数据数量达不到设定数量，采用补充数据对降维深度进行调整修正模型；

步骤S22a：并以多维高斯贝叶斯算法为基础，得到基于多维高斯贝叶斯算法模型；

步骤S23a：通过降维数据对基于多维高斯贝叶斯算法模型进行训练和校验，得到基于多维高斯贝叶斯算法模型。

优选的，步骤S2中，建立基于最小二乘支持向量机的诊断模型具体步骤为：

步骤S21b：构建基础最小二乘支持向量机模型；

步骤S22b：对多源信息数据库中的数据进行处理，通过处理后的数据对基础最小二乘支持向量机模型进行训练，同时基于粒子群算法对模型参数进行自动调整得到基于最小二乘支持向量机的诊断模型。

优选的，步骤S2中，采用同一组数据分别输入到多维高斯贝叶斯决策模型和基于最小二乘支持向量机的诊断模型得到两组决策输出。

优选的，在步骤S3中，

步骤S31：对两组决策输出的证据体进行零值处理；

步骤S32：计算皮尔逊相关矩阵，进行权重分配和加权修正；

步骤S33：通过修正后的权重对零值处理后的证据体进行更新。

优选的，步骤S31具体为：

证据体表示为，其中、和为证据体的证据指标元素；

若，零处理后的证据体表示为，其中为修正因子。