[发明专利]采用模糊模式识别预测隧道瓦斯的方法

权利要求书

1.一种瓦斯预测预报方法，在地面中心站布设计算机、数据通讯接口和分站，在隧道内掌子面、衬砌、加宽带和回风口处监测点分别布设掌子面传感器、衬砌传感器、加宽带传感器和回风口传感器，所述四个监测点分别布设左拱脚传感器、右拱脚传感器和拱顶传感器，所有传感器通过通讯电缆与分站相连接，分站通过传输数据线与数据通讯接口相连接，数据通讯接口与计算机相连接，其特征在于，包括如下步骤：

(1)在所述计算机内建立模糊模式识别技术模型；

(2)所述各种传感器把所监测到的瓦斯浓度转变成电信号传输给所述分站；

(3)所述分站对不同检测部位的瓦斯浓度数据分别进行分析处理，同时将处理后的瓦斯浓度传递给所述计算机；

(4)计算机根据瓦斯浓度绘制时间曲线图形，确定曲线图形中3个重要异常点位：异常起始点、缓慢上升到快速上升/快速上升到缓慢上升/缓慢下降到快速上升/快速下降到缓慢下降的转折点、峰值点；

(5)计算机根据所述时间曲线图形和异常点位确定模糊模式识别技术模型的参数，调用模糊模式识别技术模型对监测到的瓦斯浓度进行预测预报；

所述异常点位是指瓦斯浓度为0.1％的点；

所述缓慢上升到快速上升/快速上升到缓慢上升/缓慢下降到快速上升/快速下降到缓慢下降中缓慢、快速指的是瓦斯浓度函数曲线中曲率的变化程度，曲率值在0～0.5之间为缓慢上升或者缓慢下降，曲率值大于0.5为快速上升或者快速下降。

2.根据权利要求1所述的瓦斯预测预报方法，其特征在于，所述模糊模式识别技术模型步骤为：

(1)提取以下3个特征：瓦斯浓度值F₁、增量F₂和峰值F₃，其中瓦斯浓度值F₁，即曲线的幅值，可描述为：“低”μ₁₁、“中等”μ₁₂和“高”μ₁₃；

增量F₂，即曲线的增量，由曲线斜率来度量，可描述为：“下降”μ₂₁、“平缓”μ₂₂和“上升”μ₂₃；

峰值F₃，为异常处曲线出现的尖峰数，可描述为：“无峰”μ₃₁、“单峰”μ₃₂和“多峰”μ₃₃；

(2)特征参数的模糊化

首先依据特征值的提取原则，将获得的时间曲线图形中的原始数据实现原始数据到特征向量的转换，再将特征向量根据实验和经验进行模糊划分，确定每个参数的隶属度μ_ij(i＝1，2，3；j＝1，2，3)，各特征参数的隶属度划分原则：

F₁μ₁₁μ₁₂μ₁₃F₁≥0.5%0010.3%≤F₁＜0.5%00.250.750.1%≤F₁＜0.3%00.750.25F₁＜0.1%100F₂μ₂₁μ₂₂μ₂₃F₂≥0.3%0010.1%≤F₂＜0.3%00.250.750≤F₂＜0.1%010F₂＜0100F₃μ₃₁μ₃₂μ₃₃F₃=0100F₃=1010F₃＞1001

把各种典型异常的模糊集A_i用F_i的隶属函数μ_ij的组合来表达，即表达成模糊向量的形式

A_i＝(μ₁₁，μ₁₂，μ₁₃；μ₂₁，μ₂₂，μ₂₃；μ₃₁，μ₃₂，μ₃₃)，每种典型异常的波形都是A_i上的模糊子集，表示如下：

平缓正常型：A₁＝(1，0，0；0，1，0；1，0，0)；

三角正常形：A₁₁＝(0，0.5，0.5；0，1，0；0，1，0)；

增量正常型：A₃₁＝(0，1，0；0，1，0；0，1，0)；

增量异常型：A₃₂＝(0，1，0；0，1，0；1，0，0)；

多峰异常：A₂＝(0，0.5，0.5；0，0.5，0.5；0，0，1)；

根据隶属度的划分原则将其转化为论域里的特征向量

μ_ijμ₁₁μ₁₂μ₁₃μ₂₁μ₂₂μ₂₃μ₃₁μ₃₂μ₃₃B₁100010100B₂001001010B₃100010001

(3)判决准则

选择欧氏距离的贴近度作为（2）中样本训练集上的判决准则，欧氏贴近度的运算公式：

式中x_i为包含的特征，、为模糊子集，、为评判对象因素。