周天沛,孙伟

• 1:徐州工业职业技术学院机电工程学院
• 2:中国矿业大学信电学院

摘要(Abstract)：

针对现有的瓦斯预测方法在实际应用中受到较大限制且预测结果的准确性较差的问题,提出了一种基于蚁群-模糊聚类算法的瓦斯突出预测方法;分析了蚁群-模糊聚类算法的基本原理及实现步骤,并以某煤矿井下工作面某时段内的瓦斯突出数据为例,采用蚁群-模糊聚类算法对该数据进行了挖掘分析,从而找出了瓦斯突出量与其影响因素即埋藏深度、煤层厚度、瓦斯含量、日进度、煤层间距、日产量之间的关系。测试结果表明,该方法预测结果与实际监测记录完全一致,具有较高的聚类预测性能。

关键词(KeyWords)： 井下工作面;瓦斯突出预测;蚁群算法;模糊聚类算法

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 周天沛,孙伟

参考文献(References)：

• [1]吾布里.阿依丁,郭辉.井下工作面双局部通风机自动切换控制系统的设计[J].工矿自动化,2011,37(11):81-83.
• [2]公衍伟,蒋承林,齐宝勇.浅议现行煤与瓦斯突出区域预测指标及新探索[J].煤矿开采,2011,16(6):8-10.
• [3]王永强.煤与瓦斯突出联网系统的应用研究[J].工矿自动化,2011,37(12):27-31.
• [4]李琳,张永祥,李军.基于改进蚁群算法的齿轮故障模式识别方法研究[J].煤矿机械,2009,30(12):230-232.
• [5]李玉梅.基于蚁群模糊聚类算法的图像分割研究[J].天津职业院校联合学报,2011,13(2):78-81.
• [6]郭瑞,吕晓,赵丹.瓦斯突出模型预测控制的应用研究[J].工矿自动化,2010,36(3):102-104.
• [7]李树忱,冯现大,李术才.矿井顶板突水模型试验多场信息的归一化处理方法[J].煤炭学报,2011,36(3):447-451.
• [8]王石,李玉忱,刘乃丽.在属性级别上处理噪声数据的数据清洗算法[J].计算机工程,2005,31(9):86-87.