基于数据挖掘与信息融合的瓦斯灾害预测方法研究
|
摘要
煤炭资源一直以来作为重要的能源来源，在生活和工业中的需求日益增加，而煤矿的开采因为其特殊的环境因素而有一定的危险性，尤其是煤矿瓦斯灾害作为煤矿首要的恶性事故，其发生频率高，破坏性广，社会影响大。长期以来，人们一直是以瓦斯的检测为主，无法提前预测瓦斯灾害的发生。本文综合阐述了煤矿瓦斯监测的主要问题所在，讨论了预测灾害发生的重要性和可能性。通过对监测数据资源进行数据挖掘、分析，采用支持向量机、模糊集等理论建立多源、多平台、多传感器煤矿瓦斯灾害在线辨识、隐患判别和决策模型；攻克了瓦斯监测系统不能及时发现重大瓦斯灾害隐患的关键技术。为了解决瓦斯灾害在线辨识中的不确定性和不精确性的问题，分别建立了基于Bayes network和D S证据理论的煤矿瓦斯灾害特征级融合模型及算法。并对这两种模型进行实验研究，检验这两种模型的有效性。提出利用多种监测信息进行“数据挖掘”、分析、处理、融合和综合判断瓦斯灾害危险性的先进理论和方法，为解决预测问题提供了理论依据和科学方法，具有重要的实际意义。
As an important source of energy, the demand of coal mine resources is increasing in thedomestic and industrial, meanwhile, coal mining has high risk because of its special environment,especially the accident of gas blast which is the top serious accident with the high frequency,widely destructives and bad impact. For a long time, the system has been mainly based on thedetection of gas, which can not be forecast in advance. In this paper, the main problems of thecoal mine gas monitoring are described and discussed, pointing out the importance of andpossibilities to predict disasters. through data mining and analysis with monitoring data, establisha multi-source, multi-platform, multi-sensor coal mine gas disaster online identification modelbased on support vector machine and fuzzy set theory which can do hidden discrimination anddecision-making; it can solve the problem that the gas monitoring system can not realize the gascalamity predicting. The feature level fusion model and algorithm are established with Bayesnetwork as well as D-S evidence theory, in order to resolve the uncertainty and imprecision inthe online identification of the system, at the same time, two models will be test to theeffectiveness. The new theory and method will be proposed which is combined with “datamining”, analysis, processing, fusion and comprehensive judgment of a variety of monitoringinformation. It provides a theoretical basis and scientific methods to solve the predicting problem,which will make a big difference.
As an important source of energy, the demand of coal mine resources is increasing in thedomestic and industrial, meanwhile, coal mining has high risk because of its special environment,especially the accident of gas blast which is the top serious accident with the high frequency,widely destructives and bad impact. For a long time, the system has been mainly based on thedetection of gas, which can not be forecast in advance. In this paper, the main problems of thecoal mine gas monitoring are described and discussed, pointing out the importance of andpossibilities to predict disasters. through data mining and analysis with monitoring data, establisha multi-source, multi-platform, multi-sensor coal mine gas disaster online identification modelbased on support vector machine and fuzzy set theory which can do hidden discrimination anddecision-making; it can solve the problem that the gas monitoring system can not realize the gascalamity predicting. The feature level fusion model and algorithm are established with Bayesnetwork as well as D-S evidence theory, in order to resolve the uncertainty and imprecision inthe online identification of the system, at the same time, two models will be test to theeffectiveness. The new theory and method will be proposed which is combined with “datamining”, analysis, processing, fusion and comprehensive judgment of a variety of monitoringinformation. It provides a theoretical basis and scientific methods to solve the predicting problem,which will make a big difference.
引文
1.安全生产“十一五”规划草案征求社会意见稿.国家安监总局.2005,11
2.付华,邵良杉.煤与瓦斯灾害特征挖掘与融合预测.北京:科学出版社.2011,17-190
3.付华.煤矿瓦斯灾害特征提取与信息融合技术研究[D].阜新:辽宁工程技术大学,2006
4.曹亮.基于多源信息融合的煤矿安全无线监测系统研究[D].西安:西安建筑科技大学.2008
5.黄为勇.基于支持向量机数据融合的矿井瓦斯预警技术研究[D].徐州:中国矿业大学,2009
6.聂百胜.煤与瓦斯突出预测技术研究现状及发展趋势[J].中国安全科学学报,2003,113(6):40-43
7.李瑞华.数据挖据在煤矿安全监测中的应用[D].西安:西安电子科技大学.2010
8.张瑀.基于实验数据挖掘与细胞自动机的结构分析方法[D].哈尔滨:哈尔滨工业大学.2009
9.姚素娟.关联分析在吉林省城乡居民身高观中的应用[D].吉林大学.2006
10.蒋孝明,戴虹,胡锟.数据挖掘的关联分析在研究信用卡客户消费行为中的应用[J].计算机与现代化.2003,11
11.冯宏亮.数据挖掘中若干关键算法的研究[D].西安:西安科技大学.2010
12.钟平.数据挖掘在火力发电厂中的应用研究[D].长沙:国防科学技术大学.2006
13.刘波.嵌入频繁子树挖掘研究[D].西安:西南交通大学.2008
14.张庆文.林业电子政务系统管理决策分析数据环境建立研究[D].北京:北京林业大学.2006
15.冯璐基.基于数据挖掘的供电公司客户关系管理系统研究与开发[D].保定:华北电力大学.2008
16.殷春霞,楚涛.基于分类挖掘的网关转发性能的判定[J].西安邮电学院学报.2006,1
17.张树.用于加工中心的计算机智能监测控制方法研究[D].天津:河北工业大学.2007
18.李岩.对于数据仓库和数据挖掘的理解[J].现代计算机(专业版).2011,09
19.杨纪军,朱培栋.关联规则挖掘技术在蜜罐系统中的应用[C].中国电子学会第十六届信息论学术年会.2009
20.韩家玮.数据挖据概念与技术[M].北京:机械工业出版社,2007
21.刘晓宇.基于数据挖掘的煤矿瓦斯爆炸危险源预警决策支持系统的研究[D].太原:太原理工大学,2012
22.刘胜利.基于SVM的网络入侵检测研究[D].大连:大连海事大学.2004
23.贾银山.支持向量机算法及其在网络入侵检测中的应用[D].大连:大连海事大学.2004
24.王雷,张瑞,青盛伟,徐治皋.基于支持向量机的回归预测和异常数据检测[J].中国电机工程学报,2009,29(8):92-96
25.陈祖云.煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D].北京:中国矿业大学.2009
26.姜嘉琪.类和样本加权支持向量机及其在入侵检测中的应用研究[D].呼和浩特:内蒙古大学.2011
27.俞亭超.城市供水系统优化调度研究[D].杭州:浙江大学.2004
28.王静. SVM在参数选择上的优化[D].兰州:兰州理工大学.2008
29.周成召.基于支持向量机的动态载荷识别[D].太原:太原理工大学.2006
30.郭得令.基于LS-SVM的围岩位移非线性预测应用研究[D].武汉:武汉理工大学.2006
31.张海宾.西安市供水系统优化调度研究[D].西安:西安理工大学.2009
32.吴宝栋.基于SVM和链接分析的蛋白质关系抽取系统[D].大连:大连理工大学.2007
33.左吉昌.水库优化调度函数研究[D].武汉:华中科技大学.2007
34.程学云.支持向量机及其在入侵检测中的应用研究[D].南京:南京师范大学.2007
35.曾萍萍.人体血液白细胞五分类数字图像处理系统[D].南昌:南昌大学.2006
36.江锋.支持向量机在分类及人脸检测应用中的研究[D].南京:南京理工大学.2002
37.林红华.电子商务环境下企业信息的智能统计分析方法研究[D].重庆:重庆大学.2004
38.张磊.时滞系统的辨识与控制[D].北京:北京化工大学.2007
39.颉子光.基于支持向量机的自适应逆控制方法研究[D].保定:华北电力大学.2008
40.翁建洪.支持向量机在生物信息学中的应用[D].南京:东南大学.2006
41.忻栋.支持向量机算法的研究及在说话人识别上的应用[D].杭州:浙江大学.2002
42.李彦彬.河川径流的混沌特征和预测研究[D].西安:西安理工大学.2009
43.姬忠良.基于支持向量机的VCM生产过程控制方法研究[D].大连:大连理工大学.2005
44.胥永刚,李强,王正英,王太勇.基于独立分量分析的机械故障信息提取[J].天津大学学报,2006,39(9):1066-1071.
45.贾彩燕.关联规则挖掘的取样复杂性分析[D].北京:中国科学院研究生院.2004
46.李瑞华.数据挖掘在煤矿安全监测中的应用[D].西安:西安电子科技大学.2010
47.李教.多平台多传感器多源信息融合系统时空配准及性能评估研究[D].西安:西北工业大学.2003
48.李教,敬忠良,王安.多平台多传感器多源信息融合中的时空对准研究[J].空军工程大学学报(自然科学版).2002,10
49.史玉峰.数字信息模式识别理论及其应用[D].济南:山东科技大学.2003
50.李玉榕.信息融合与智能处理的研究[D].杭州:浙江大学.2001
51.范秋芳.基于BP神经网络的中国石油安全预警研究[J].运筹与管理.2007,(5)：100-105.
52.宋杰鲲,张在旭,张晓慧.一种基于熵权多目标决策和人工神经网络的炼油企业绩效评价方法[J].中国石油大学学报(自然科学版).2006,2
53.赵俊恺.粗糙集理论在控制系统中的研究应用[D].济南:山东大学.2008
54.刘毅.基于粗糙集的文本分类技术研究[D].西安:西南交通大学.2007
55.郑建华.基于支持向量机的数据挖掘[D].天津:天津大学.2004
56.刘业政,杨善林.基于粗集理论的Null值估算方法研究[J].计算机工程,2001,27(10):41-4
57.钟铭.基于模糊数据融合的煤矿瓦斯预警研究[D].西安:西安科技大学.2009
58.王晓晔.时间序列数据挖掘中相似性和趋势预测的研究[D].天津:天津大学.2003
59.黎明,张化光.基于粗糙集的神经网络建模方法研究[J].自动化学报,2002,28(1):45-50
60.蔡珍珍.县域土地利用变化与生态安全评价研究[D].西南大学.2010
61.狄井方.大型舰船生活舱室布置与居住性研究[D].哈尔滨工程大学.2010
62.王晓晔,王正欧. K-最近邻分类技术的改进算法[J].电子与信息学报.2005,3
63.高辉.基于属性决策系统的中小板公司业绩评价研究[J].河北经贸大学学报.2009,5
64.左国超.基于属性测度的决策系统研究[J].数学的实践与认识.2007,3
65.安威鹏,赵建贵.煤与瓦斯集中监测监控网络系统的研究[J].工矿自动化,2005,(3):48-50
66.杨玉中,吴立云,何俊,李延河.煤矿瓦斯重大灾害预警理论及应用[M].北京:北京师范大学出版社,2010:72-95
67.林志贵,徐立中,黄凤辰等.基于D-S理论的多源水质监测数据融合处理[J].计算机工程与应用,2004,40(10):3-5
68.高凌宇,张博锋,徐炜民等. D-S理论中证据损耗分析及改进方法[J].软件报,2004,15(1):69-75
69.戴洪磊,田茂义,柳林,韩李涛.基于LM神经网络瓦斯灾害预测模型的应用研究[J].Advances in Geosciences,2012,2(2):87-92
70.魏嘉熹,陈岩.基于D-S证据理论的瓦斯突出预测方法研究[J].计算机仿真,2012,29(5):196-200
71.张俭让,申庆涛,常心坦.瓦斯灾害主控因素分析方法研究[J].西安科技大学学报,2012,(2):149-154
72.詹永照,张娟,毛启荣.基于可分度和支持度的模糊密度赋值融合识别算法[J].人工智能与模式识别,2012,25(2):346-351
73.陈亚必,朱勇,詹永照.基于对象模糊密度赋值的决策层融合算法[J].计算机应用,2010,30(4):990-992
74.穆朝絮,张瑞民,孙长银.基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法[J].控制理论与应用,2010,27(2):164-168
75.付丽华.智能决策支持系统在瓦斯危险源辨识中的应用[D].西安:西安科技大学.2007
76.熊廷伟.煤矿瓦斯爆炸预警技术研究[D].重庆:重庆大学.2005
77.郭德勇,范金志,马世志等.煤与瓦斯突出预测层次分析-模糊综合评判方法[J].北京科技大学学报,2007,29(7):660-664
78.李伟生.信息融合系统中态势估计技术研究[D].西安:西安电子科技大学.2004
79.陈文伟,杨春燕,黄金才.可拓知识与可拓知识推理[J].哈尔滨:哈尔滨工业大学学报,2006,38(7):1094-1096
80.杜兴元.天津港南疆供油基地建设方案的综合评价[D].天津:天津大学.2009
81.焦作矿业学院瓦斯地质研究室.瓦斯地质概论[M].北京:煤炭工业出版社,1990
82.李娜.集装箱码头连续泊位与岸桥调度联合优化研究[D].大连:大连海事大学.2011
83.胡美丽. S公司煤炭运输备用港选择方案研究[D]大连:大连海事大学.2007
84.郑钟.印染废水处理技术的可商业化分析与评价[D]大连:大连理工大学.2003
85.王伟福.山东省原油码头综合评价分析及对策研究.[D]大连:大连海事大学.2008
86.程雷.粮食加工企业物流外包问题的研究[D].大连:大连海事大学.2008
87.刘爱华.房地产市场比较估价法的深入研究[D].西安:长安大学.2007
88.吴华帮,许石青.煤与瓦斯突出机理及其预测技术研究[J].矿业快报,2008,24(6):47-50
89.陈清华,张国枢,秦汝祥等.基于瓦斯涌出异常的煤与瓦斯突出预报软件开发[J].煤田地质与勘探,2007,35(3):18-21
90.田昊,唐力伟,田广,张彦.基于核独立分量分析的齿轮箱故障诊断[J].振动与冲击,2009,28(5):163-164
91.李学来,胡敬东.煤矿瓦斯爆炸事故调查分析及模拟验证技术[J].煤炭科学技术,2005,33(4):39-42
92. Fraser Tayor, D.R. Geographic Information Systems[M]. Carleton University, Ottawa, Canada,Pergmon Press,1991
93.付华,姜伟,单欣欣,瓦斯突出多维预测模型的研究[J].压电与声光.2012,(2)：318-321.
94.张志明.基于WebGIS的煤矿瓦斯灾害预警系统开发研究[D].西安:西安科技大学.2009
95.张瑞林.现代信息技术在煤与瓦斯突出区域预测中的应用[D].重庆:重庆大学.2004
96.车琳娜.新型煤矿瓦斯监测系统研究[D].长沙:湖南大学.2006
97.康耀红.数据融合理论与应用[M].北京:电子工业出版社,2000
98. John GLyon. GIS for water resources and water she dmanagement[M]. Taylor&Francis,2002
99. Jeff Taylor, Chris Warning. The passive prevention of ARD in underground Mines bydisplacement ofAir with a Reducing Gas Mixture[J]. Mine Water and the Enviroment,2001,4
100. Seno M, Slpminer K G.. An algorithm for finding frequent sequential patterns usinglength-decreasing support constraint[C]. Second IEEE International Conference on DataMining,Maebashi City,Japan, December9-12,2002
101.许满贵.煤矿动态综合安全评价模式及应用研究[D].西安:西安科技大学.2006
102.刘兴安.煤矿信息数据挖掘方法的研究[J].煤炭技术,2007,(2):26-27
103.王清,高原.矿井生产灾害信息化管理模型探讨[J].煤矿安全,2008,(3):90-91
104.马国胜.基于多传感器融合技术的瓦斯监控系统实现[D].武汉:武汉理工大学.2010
105.刘星魁,谢金亮.煤矿安全生产现状及对策探讨[J].煤炭技术,2008,1
106. Yang Yunliang, Huang Libo. The Evalution of the Complication of Mine Ventilation NetworkStructure [C]. Proceedings in Mining Science and Safety Technology. Beijing: Science Press,2002
107.朱训.中国能源资源形势与战略对策[J].中国矿业,2005,14(1):1-6
108.谢德林.煤矿安全程度评估与安全事故防范[M].哈尔滨:黑龙江人民出版社,2003
109.李毛.煤矿地面系统预警管理:以煤矸石灾害预警管理为例[M].中国市场出版社,2007
110.罗云,宫运华,宫宝霖等.安全风险预警技术研究[J].安全,2005,(2):26-29
111.牛强,周勇,王志晓.基于自组织神经网络的煤矿安全预警系统[J].计算机工程与设计,2006,27(10):1752-1754
112. P.Gonsalves, R. Cunningham and N.Ton, eta1. Intelligent Threat Assessment Processor (ITAP)using Genetic Algorithms and Fuzzy Logic[C]. In Proceedings of the3rd InternationalConference on Information Fusion, Paris, France, July2000,18-24
113. M.L.Hanson, O.Sullivan and K.A. Harper.On-Line Situation Assessment forUnmanned AirVehicles[C]. Presented at the200l FLAIRS Conference in Key West, FL, May2l-23,2001
114. P.Bladon, R. J. Hall, W. A. Wright. Situation assessment using graphical models[C].Inroceedings of the Fifth International Conference on Information Fusion, vol.2, July2002.886-893
115. M. R. Endsley, R. R. Hoffman. The Sacagawea Principle[J]. IEEE Trans on IntelligentSystems,2002,17(6):80-8
116.杨玉中,冯长根,吴立云.基于可拓理论的煤矿安全预警模型研究[J].中国安全科学学报,2008,18(1):1-6
117.蔡文,杨春燕,何斌.可拓逻辑初步[M].北京:科学出版社,2003:82-84
118. J.Salemo. Information Fusion: AHigh Level Architecture Overview[C]. In Proceedings of the5thIntemational Conference on Information Fusion, Annapolis, MD,2002,680-686
119. Durrans S. R. Brown, P.A. Development of an intemet-based rainfall atlas for Alabama[J].Water Sci. Technol,2002
120. Yunxing Cao, Dingdong He, David C. Glick. Coal and gas outbursts in footwalls of reversefaults[J], Intemational Journal of Coal Geology,2001,48(9):47-63
121. K.N. PapamichaiL S.French. Design and evaluation of an intelligent decision support systemfor nuclear emergencies[J]. Decision Support Systems,2005,41(1):84-111
122. W.Wen, W:k Wang, C.H.Wang. A knowledge-based intelligent decision support system fornational defense budget planning[J]. Expert Systems withApplications.2005,28(1):55-66
123.文光才,宁小亮,赵旭生.矿井煤与瓦斯突出预警技术及其应用[J].煤炭科学技术,2011,39(2):55-58
124.于不凡.煤矿瓦斯灾害防治及利用技术手册[M].北京:煤炭工业出版社,2005
125.胡千庭.预防煤矿瓦斯灾害新技术的研究[J].矿业安全与环保,2006,33(5):1-7
126. Kiln Hua Tan, Chee Peng Lim, Ken Platts, Hooi Shen Koay. An intelligent decision supportsystem for manufacturing technology investments[J], International Journal of ProductionEconomics,2006,104(1):179-190
127. Nolseux D U. Meaurementof power flow in uniform beam and plates[J]. Journal ofAcoustical Society ofAmerica.1970,47:238-247
128.缪燕子.多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D].徐州:中国矿业大学.2009
129. Pang-Ning Tan, Michael Steinbach, Vipin Kumar.数据挖掘导论[M].北京:人民邮电出版社,2006
2.付华,邵良杉.煤与瓦斯灾害特征挖掘与融合预测.北京:科学出版社.2011,17-190
3.付华.煤矿瓦斯灾害特征提取与信息融合技术研究[D].阜新:辽宁工程技术大学,2006
4.曹亮.基于多源信息融合的煤矿安全无线监测系统研究[D].西安:西安建筑科技大学.2008
5.黄为勇.基于支持向量机数据融合的矿井瓦斯预警技术研究[D].徐州:中国矿业大学,2009
6.聂百胜.煤与瓦斯突出预测技术研究现状及发展趋势[J].中国安全科学学报,2003,113(6):40-43
7.李瑞华.数据挖据在煤矿安全监测中的应用[D].西安:西安电子科技大学.2010
8.张瑀.基于实验数据挖掘与细胞自动机的结构分析方法[D].哈尔滨:哈尔滨工业大学.2009
9.姚素娟.关联分析在吉林省城乡居民身高观中的应用[D].吉林大学.2006
10.蒋孝明,戴虹,胡锟.数据挖掘的关联分析在研究信用卡客户消费行为中的应用[J].计算机与现代化.2003,11
11.冯宏亮.数据挖掘中若干关键算法的研究[D].西安:西安科技大学.2010
12.钟平.数据挖掘在火力发电厂中的应用研究[D].长沙:国防科学技术大学.2006
13.刘波.嵌入频繁子树挖掘研究[D].西安:西南交通大学.2008
14.张庆文.林业电子政务系统管理决策分析数据环境建立研究[D].北京:北京林业大学.2006
15.冯璐基.基于数据挖掘的供电公司客户关系管理系统研究与开发[D].保定:华北电力大学.2008
16.殷春霞,楚涛.基于分类挖掘的网关转发性能的判定[J].西安邮电学院学报.2006,1
17.张树.用于加工中心的计算机智能监测控制方法研究[D].天津:河北工业大学.2007
18.李岩.对于数据仓库和数据挖掘的理解[J].现代计算机(专业版).2011,09
19.杨纪军,朱培栋.关联规则挖掘技术在蜜罐系统中的应用[C].中国电子学会第十六届信息论学术年会.2009
20.韩家玮.数据挖据概念与技术[M].北京:机械工业出版社,2007
21.刘晓宇.基于数据挖掘的煤矿瓦斯爆炸危险源预警决策支持系统的研究[D].太原:太原理工大学,2012
22.刘胜利.基于SVM的网络入侵检测研究[D].大连:大连海事大学.2004
23.贾银山.支持向量机算法及其在网络入侵检测中的应用[D].大连:大连海事大学.2004
24.王雷,张瑞,青盛伟,徐治皋.基于支持向量机的回归预测和异常数据检测[J].中国电机工程学报,2009,29(8):92-96
25.陈祖云.煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D].北京:中国矿业大学.2009
26.姜嘉琪.类和样本加权支持向量机及其在入侵检测中的应用研究[D].呼和浩特:内蒙古大学.2011
27.俞亭超.城市供水系统优化调度研究[D].杭州:浙江大学.2004
28.王静. SVM在参数选择上的优化[D].兰州:兰州理工大学.2008
29.周成召.基于支持向量机的动态载荷识别[D].太原:太原理工大学.2006
30.郭得令.基于LS-SVM的围岩位移非线性预测应用研究[D].武汉:武汉理工大学.2006
31.张海宾.西安市供水系统优化调度研究[D].西安:西安理工大学.2009
32.吴宝栋.基于SVM和链接分析的蛋白质关系抽取系统[D].大连:大连理工大学.2007
33.左吉昌.水库优化调度函数研究[D].武汉:华中科技大学.2007
34.程学云.支持向量机及其在入侵检测中的应用研究[D].南京:南京师范大学.2007
35.曾萍萍.人体血液白细胞五分类数字图像处理系统[D].南昌:南昌大学.2006
36.江锋.支持向量机在分类及人脸检测应用中的研究[D].南京:南京理工大学.2002
37.林红华.电子商务环境下企业信息的智能统计分析方法研究[D].重庆:重庆大学.2004
38.张磊.时滞系统的辨识与控制[D].北京:北京化工大学.2007
39.颉子光.基于支持向量机的自适应逆控制方法研究[D].保定:华北电力大学.2008
40.翁建洪.支持向量机在生物信息学中的应用[D].南京:东南大学.2006
41.忻栋.支持向量机算法的研究及在说话人识别上的应用[D].杭州:浙江大学.2002
42.李彦彬.河川径流的混沌特征和预测研究[D].西安:西安理工大学.2009
43.姬忠良.基于支持向量机的VCM生产过程控制方法研究[D].大连:大连理工大学.2005
44.胥永刚,李强,王正英,王太勇.基于独立分量分析的机械故障信息提取[J].天津大学学报,2006,39(9):1066-1071.
45.贾彩燕.关联规则挖掘的取样复杂性分析[D].北京:中国科学院研究生院.2004
46.李瑞华.数据挖掘在煤矿安全监测中的应用[D].西安:西安电子科技大学.2010
47.李教.多平台多传感器多源信息融合系统时空配准及性能评估研究[D].西安:西北工业大学.2003
48.李教,敬忠良,王安.多平台多传感器多源信息融合中的时空对准研究[J].空军工程大学学报(自然科学版).2002,10
49.史玉峰.数字信息模式识别理论及其应用[D].济南:山东科技大学.2003
50.李玉榕.信息融合与智能处理的研究[D].杭州:浙江大学.2001
51.范秋芳.基于BP神经网络的中国石油安全预警研究[J].运筹与管理.2007,(5)：100-105.
52.宋杰鲲,张在旭,张晓慧.一种基于熵权多目标决策和人工神经网络的炼油企业绩效评价方法[J].中国石油大学学报(自然科学版).2006,2
53.赵俊恺.粗糙集理论在控制系统中的研究应用[D].济南:山东大学.2008
54.刘毅.基于粗糙集的文本分类技术研究[D].西安:西南交通大学.2007
55.郑建华.基于支持向量机的数据挖掘[D].天津:天津大学.2004
56.刘业政,杨善林.基于粗集理论的Null值估算方法研究[J].计算机工程,2001,27(10):41-4
57.钟铭.基于模糊数据融合的煤矿瓦斯预警研究[D].西安:西安科技大学.2009
58.王晓晔.时间序列数据挖掘中相似性和趋势预测的研究[D].天津:天津大学.2003
59.黎明,张化光.基于粗糙集的神经网络建模方法研究[J].自动化学报,2002,28(1):45-50
60.蔡珍珍.县域土地利用变化与生态安全评价研究[D].西南大学.2010
61.狄井方.大型舰船生活舱室布置与居住性研究[D].哈尔滨工程大学.2010
62.王晓晔,王正欧. K-最近邻分类技术的改进算法[J].电子与信息学报.2005,3
63.高辉.基于属性决策系统的中小板公司业绩评价研究[J].河北经贸大学学报.2009,5
64.左国超.基于属性测度的决策系统研究[J].数学的实践与认识.2007,3
65.安威鹏,赵建贵.煤与瓦斯集中监测监控网络系统的研究[J].工矿自动化,2005,(3):48-50
66.杨玉中,吴立云,何俊,李延河.煤矿瓦斯重大灾害预警理论及应用[M].北京:北京师范大学出版社,2010:72-95
67.林志贵,徐立中,黄凤辰等.基于D-S理论的多源水质监测数据融合处理[J].计算机工程与应用,2004,40(10):3-5
68.高凌宇,张博锋,徐炜民等. D-S理论中证据损耗分析及改进方法[J].软件报,2004,15(1):69-75
69.戴洪磊,田茂义,柳林,韩李涛.基于LM神经网络瓦斯灾害预测模型的应用研究[J].Advances in Geosciences,2012,2(2):87-92
70.魏嘉熹,陈岩.基于D-S证据理论的瓦斯突出预测方法研究[J].计算机仿真,2012,29(5):196-200
71.张俭让,申庆涛,常心坦.瓦斯灾害主控因素分析方法研究[J].西安科技大学学报,2012,(2):149-154
72.詹永照,张娟,毛启荣.基于可分度和支持度的模糊密度赋值融合识别算法[J].人工智能与模式识别,2012,25(2):346-351
73.陈亚必,朱勇,詹永照.基于对象模糊密度赋值的决策层融合算法[J].计算机应用,2010,30(4):990-992
74.穆朝絮,张瑞民,孙长银.基于粒子群优化的非线性系统最小二乘支持向量机预测控制方法[J].控制理论与应用,2010,27(2):164-168
75.付丽华.智能决策支持系统在瓦斯危险源辨识中的应用[D].西安:西安科技大学.2007
76.熊廷伟.煤矿瓦斯爆炸预警技术研究[D].重庆:重庆大学.2005
77.郭德勇,范金志,马世志等.煤与瓦斯突出预测层次分析-模糊综合评判方法[J].北京科技大学学报,2007,29(7):660-664
78.李伟生.信息融合系统中态势估计技术研究[D].西安:西安电子科技大学.2004
79.陈文伟,杨春燕,黄金才.可拓知识与可拓知识推理[J].哈尔滨:哈尔滨工业大学学报,2006,38(7):1094-1096
80.杜兴元.天津港南疆供油基地建设方案的综合评价[D].天津:天津大学.2009
81.焦作矿业学院瓦斯地质研究室.瓦斯地质概论[M].北京:煤炭工业出版社,1990
82.李娜.集装箱码头连续泊位与岸桥调度联合优化研究[D].大连:大连海事大学.2011
83.胡美丽. S公司煤炭运输备用港选择方案研究[D]大连:大连海事大学.2007
84.郑钟.印染废水处理技术的可商业化分析与评价[D]大连:大连理工大学.2003
85.王伟福.山东省原油码头综合评价分析及对策研究.[D]大连:大连海事大学.2008
86.程雷.粮食加工企业物流外包问题的研究[D].大连:大连海事大学.2008
87.刘爱华.房地产市场比较估价法的深入研究[D].西安:长安大学.2007
88.吴华帮,许石青.煤与瓦斯突出机理及其预测技术研究[J].矿业快报,2008,24(6):47-50
89.陈清华,张国枢,秦汝祥等.基于瓦斯涌出异常的煤与瓦斯突出预报软件开发[J].煤田地质与勘探,2007,35(3):18-21
90.田昊,唐力伟,田广,张彦.基于核独立分量分析的齿轮箱故障诊断[J].振动与冲击,2009,28(5):163-164
91.李学来,胡敬东.煤矿瓦斯爆炸事故调查分析及模拟验证技术[J].煤炭科学技术,2005,33(4):39-42
92. Fraser Tayor, D.R. Geographic Information Systems[M]. Carleton University, Ottawa, Canada,Pergmon Press,1991
93.付华,姜伟,单欣欣,瓦斯突出多维预测模型的研究[J].压电与声光.2012,(2)：318-321.
94.张志明.基于WebGIS的煤矿瓦斯灾害预警系统开发研究[D].西安:西安科技大学.2009
95.张瑞林.现代信息技术在煤与瓦斯突出区域预测中的应用[D].重庆:重庆大学.2004
96.车琳娜.新型煤矿瓦斯监测系统研究[D].长沙:湖南大学.2006
97.康耀红.数据融合理论与应用[M].北京:电子工业出版社,2000
98. John GLyon. GIS for water resources and water she dmanagement[M]. Taylor&Francis,2002
99. Jeff Taylor, Chris Warning. The passive prevention of ARD in underground Mines bydisplacement ofAir with a Reducing Gas Mixture[J]. Mine Water and the Enviroment,2001,4
100. Seno M, Slpminer K G.. An algorithm for finding frequent sequential patterns usinglength-decreasing support constraint[C]. Second IEEE International Conference on DataMining,Maebashi City,Japan, December9-12,2002
101.许满贵.煤矿动态综合安全评价模式及应用研究[D].西安:西安科技大学.2006
102.刘兴安.煤矿信息数据挖掘方法的研究[J].煤炭技术,2007,(2):26-27
103.王清,高原.矿井生产灾害信息化管理模型探讨[J].煤矿安全,2008,(3):90-91
104.马国胜.基于多传感器融合技术的瓦斯监控系统实现[D].武汉:武汉理工大学.2010
105.刘星魁,谢金亮.煤矿安全生产现状及对策探讨[J].煤炭技术,2008,1
106. Yang Yunliang, Huang Libo. The Evalution of the Complication of Mine Ventilation NetworkStructure [C]. Proceedings in Mining Science and Safety Technology. Beijing: Science Press,2002
107.朱训.中国能源资源形势与战略对策[J].中国矿业,2005,14(1):1-6
108.谢德林.煤矿安全程度评估与安全事故防范[M].哈尔滨:黑龙江人民出版社,2003
109.李毛.煤矿地面系统预警管理:以煤矸石灾害预警管理为例[M].中国市场出版社,2007
110.罗云,宫运华,宫宝霖等.安全风险预警技术研究[J].安全,2005,(2):26-29
111.牛强,周勇,王志晓.基于自组织神经网络的煤矿安全预警系统[J].计算机工程与设计,2006,27(10):1752-1754
112. P.Gonsalves, R. Cunningham and N.Ton, eta1. Intelligent Threat Assessment Processor (ITAP)using Genetic Algorithms and Fuzzy Logic[C]. In Proceedings of the3rd InternationalConference on Information Fusion, Paris, France, July2000,18-24
113. M.L.Hanson, O.Sullivan and K.A. Harper.On-Line Situation Assessment forUnmanned AirVehicles[C]. Presented at the200l FLAIRS Conference in Key West, FL, May2l-23,2001
114. P.Bladon, R. J. Hall, W. A. Wright. Situation assessment using graphical models[C].Inroceedings of the Fifth International Conference on Information Fusion, vol.2, July2002.886-893
115. M. R. Endsley, R. R. Hoffman. The Sacagawea Principle[J]. IEEE Trans on IntelligentSystems,2002,17(6):80-8
116.杨玉中,冯长根,吴立云.基于可拓理论的煤矿安全预警模型研究[J].中国安全科学学报,2008,18(1):1-6
117.蔡文,杨春燕,何斌.可拓逻辑初步[M].北京:科学出版社,2003:82-84
118. J.Salemo. Information Fusion: AHigh Level Architecture Overview[C]. In Proceedings of the5thIntemational Conference on Information Fusion, Annapolis, MD,2002,680-686
119. Durrans S. R. Brown, P.A. Development of an intemet-based rainfall atlas for Alabama[J].Water Sci. Technol,2002
120. Yunxing Cao, Dingdong He, David C. Glick. Coal and gas outbursts in footwalls of reversefaults[J], Intemational Journal of Coal Geology,2001,48(9):47-63
121. K.N. PapamichaiL S.French. Design and evaluation of an intelligent decision support systemfor nuclear emergencies[J]. Decision Support Systems,2005,41(1):84-111
122. W.Wen, W:k Wang, C.H.Wang. A knowledge-based intelligent decision support system fornational defense budget planning[J]. Expert Systems withApplications.2005,28(1):55-66
123.文光才,宁小亮,赵旭生.矿井煤与瓦斯突出预警技术及其应用[J].煤炭科学技术,2011,39(2):55-58
124.于不凡.煤矿瓦斯灾害防治及利用技术手册[M].北京:煤炭工业出版社,2005
125.胡千庭.预防煤矿瓦斯灾害新技术的研究[J].矿业安全与环保,2006,33(5):1-7
126. Kiln Hua Tan, Chee Peng Lim, Ken Platts, Hooi Shen Koay. An intelligent decision supportsystem for manufacturing technology investments[J], International Journal of ProductionEconomics,2006,104(1):179-190
127. Nolseux D U. Meaurementof power flow in uniform beam and plates[J]. Journal ofAcoustical Society ofAmerica.1970,47:238-247
128.缪燕子.多传感器信息融合理论及在矿井瓦斯突出预警系统中的应用研究[D].徐州:中国矿业大学.2009
129. Pang-Ning Tan, Michael Steinbach, Vipin Kumar.数据挖掘导论[M].北京:人民邮电出版社,2006