煤矿瓦斯监测多传感器信息融合与知识发现研究
|
摘要
瓦斯灾害防治仍然是我国煤矿安全工作的重中之重。综合利用布设在井下空间的各类非接触式传感设备动态采集的相关数据，对具有突出危险的工作面实现实时跟踪监测和早期诊断预警，为煤矿及时采取针对性措施，提高监控系统可靠性，防范和抑制瓦斯突出、瓦斯积聚和瓦斯爆炸等事故提供决策依据，是目前煤矿瓦斯安全监测系统亟待增强的功能目标。
论文根据煤与瓦斯突出、瓦斯爆炸等危险性预测技术和预警理论，采用多传感器信息融合方法，充分挖掘瓦斯、风速、电磁辐射、声发射等各类传感数据所蕴涵的规律性知识，发挥各类传感器的优势，按照“手段多样、优势互补、相互验证、短中长期搭配”的思路，着力构建基于多传感器信息融合的瓦斯安全监测预警系统，实现对井下工作面瓦斯危险的“实时感知、准确辨识、快速响应、有效控制”。论文取得的主要研究成果如下：
全面总结分析了国内外煤矿瓦斯安全动态监测手段和突出危险性评价指标的研究成果，包括瓦斯浓度、电磁辐射、声发射等传感监测技术及突出预测方法，为发挥各自优势，实现煤与瓦斯突出多传感器融合预警奠定了坚实的理论基础。
通过现场调研，分析了煤矿瓦斯灾害防治实际需求，本着提高监测系统效能，降低系统资源消耗的理念，提出了瓦斯监测多传感器信息融合的目标体系、闭环工作流程、传感器选用与组织以及各种瓦斯安全动态监测传感信息融合分析理论的合理运用，从而最终确定了瓦斯监测多传感器信息融合体系总体结构，重点研究了基于模糊专家系统的瓦斯突出预测多传感器信息决策融合方法。
提出了基于时间序列相似性度量的瓦斯超限报警信号辨识方法。基于DTW距离对煤矿采掘工作面瓦斯超限报警时间序列进行了聚类分析。对所获得的7种典型的时间序列模式，基于分段形态度量方法，提取了15个特征指标，从中筛选出5个分类效能较强指标，建立了瓦斯超限报警时间序列形态特征表。在此基础上提出了一种瓦斯报警信号快速辨识算法。
提出了基于时空相关分析的煤矿采掘工作面瓦斯监测数据异常自动识别技术。定性分析了工作面顺风流方向瓦斯运移存在的时空异步相关特性；确定了相关系数计算过程中涉及的异步相关最优滞后步长的计算方法和瓦斯气体涌出后在回风巷道中体积分数随时空变化的预测和反演公式；统计计算了8种原因导致的瓦斯数据异常存在的相关系数值变化区间；提出了基于时空相关分析的工作面瓦斯监测数据异常识别算法；为提高相关分析效率，提出了能表达空间拓扑信息的井下瓦斯传感器层次编码方法。
提出将工作面瓦斯安全监测问题归类为专家诊断范畴。研究了瓦斯监测信息知识发现方法，提出了瓦斯时间序列聚类分析与知识提取方法；针对瓦斯监测多传感器信息决策融合专家知识库系统的设计需求，提出了瓦斯监测知识学习算法和瓦斯监测专家知识的组织存储策略。最后举例说明了基于专家系统的工作面瓦斯超限原因识别推理应用过程。
In coal mine area, the most crucial safety issue is still gas disaster prevention and control.
Based on coal-gas outburst and gas explosion prediction technology and early warning theory, this thesis aimed at using MSIF method to mine regular knowledge from data about gas concentration, wind speed, electromagnetic radiation, and acoustic emission, et al. In addition to that, following the principle of diverse methodologies, complementary advantages, cross validation and short-long term integration, this thesis also has built a coal-gas safety monitoring and early-warning system based on fusion of multi-sensors'data. This system could accurately monitor the mining face's coal-gas safety in real time and rapidly provide effective control measures. The main research achievements of this dissertation are as follows:
A solid foundation in understanding theory of coal-gas outburst warning by using multi-sensors'data was established based on literature review of coal-gas safety dynamic monitoring methods and outburst risk evaluation indexes which include gas concentration, electromagnetic radiation and acoustic emission, et al.
After field investigation and analysis of the system actual demands, the final structure of coal-gas monitoring sensors'data fusion system was proposed based on the consideration of enhancing efficiency of the monitoring system and reducing its resources consumption, and the research focused on coal-gas outburst prediction fuzzy expert system which makes decision based on fusion of multi-sensors'data.
Gas monitoring warning signal identification method based on time series similarity measure is presented. The representative gas warning time series (GWTS) patterns are gained by clustering analysis method based on DTW distance. With the piecewise morphological measure methods, the character value table is established.
Based on spatio-temporal correlation analysis method, the automatic identification techniques for coal-gas monitoring data anomaly are presented.
The coal-gas safety monitoring problem was classified as an expert diagnosis issue here. The methods of knowledge discovery and expert knowledge base system design based on cognitive model are provided.
论文根据煤与瓦斯突出、瓦斯爆炸等危险性预测技术和预警理论，采用多传感器信息融合方法，充分挖掘瓦斯、风速、电磁辐射、声发射等各类传感数据所蕴涵的规律性知识，发挥各类传感器的优势，按照“手段多样、优势互补、相互验证、短中长期搭配”的思路，着力构建基于多传感器信息融合的瓦斯安全监测预警系统，实现对井下工作面瓦斯危险的“实时感知、准确辨识、快速响应、有效控制”。论文取得的主要研究成果如下：
全面总结分析了国内外煤矿瓦斯安全动态监测手段和突出危险性评价指标的研究成果，包括瓦斯浓度、电磁辐射、声发射等传感监测技术及突出预测方法，为发挥各自优势，实现煤与瓦斯突出多传感器融合预警奠定了坚实的理论基础。
通过现场调研，分析了煤矿瓦斯灾害防治实际需求，本着提高监测系统效能，降低系统资源消耗的理念，提出了瓦斯监测多传感器信息融合的目标体系、闭环工作流程、传感器选用与组织以及各种瓦斯安全动态监测传感信息融合分析理论的合理运用，从而最终确定了瓦斯监测多传感器信息融合体系总体结构，重点研究了基于模糊专家系统的瓦斯突出预测多传感器信息决策融合方法。
提出了基于时间序列相似性度量的瓦斯超限报警信号辨识方法。基于DTW距离对煤矿采掘工作面瓦斯超限报警时间序列进行了聚类分析。对所获得的7种典型的时间序列模式，基于分段形态度量方法，提取了15个特征指标，从中筛选出5个分类效能较强指标，建立了瓦斯超限报警时间序列形态特征表。在此基础上提出了一种瓦斯报警信号快速辨识算法。
提出了基于时空相关分析的煤矿采掘工作面瓦斯监测数据异常自动识别技术。定性分析了工作面顺风流方向瓦斯运移存在的时空异步相关特性；确定了相关系数计算过程中涉及的异步相关最优滞后步长的计算方法和瓦斯气体涌出后在回风巷道中体积分数随时空变化的预测和反演公式；统计计算了8种原因导致的瓦斯数据异常存在的相关系数值变化区间；提出了基于时空相关分析的工作面瓦斯监测数据异常识别算法；为提高相关分析效率，提出了能表达空间拓扑信息的井下瓦斯传感器层次编码方法。
提出将工作面瓦斯安全监测问题归类为专家诊断范畴。研究了瓦斯监测信息知识发现方法，提出了瓦斯时间序列聚类分析与知识提取方法；针对瓦斯监测多传感器信息决策融合专家知识库系统的设计需求，提出了瓦斯监测知识学习算法和瓦斯监测专家知识的组织存储策略。最后举例说明了基于专家系统的工作面瓦斯超限原因识别推理应用过程。
In coal mine area, the most crucial safety issue is still gas disaster prevention and control.
Based on coal-gas outburst and gas explosion prediction technology and early warning theory, this thesis aimed at using MSIF method to mine regular knowledge from data about gas concentration, wind speed, electromagnetic radiation, and acoustic emission, et al. In addition to that, following the principle of diverse methodologies, complementary advantages, cross validation and short-long term integration, this thesis also has built a coal-gas safety monitoring and early-warning system based on fusion of multi-sensors'data. This system could accurately monitor the mining face's coal-gas safety in real time and rapidly provide effective control measures. The main research achievements of this dissertation are as follows:
A solid foundation in understanding theory of coal-gas outburst warning by using multi-sensors'data was established based on literature review of coal-gas safety dynamic monitoring methods and outburst risk evaluation indexes which include gas concentration, electromagnetic radiation and acoustic emission, et al.
After field investigation and analysis of the system actual demands, the final structure of coal-gas monitoring sensors'data fusion system was proposed based on the consideration of enhancing efficiency of the monitoring system and reducing its resources consumption, and the research focused on coal-gas outburst prediction fuzzy expert system which makes decision based on fusion of multi-sensors'data.
Gas monitoring warning signal identification method based on time series similarity measure is presented. The representative gas warning time series (GWTS) patterns are gained by clustering analysis method based on DTW distance. With the piecewise morphological measure methods, the character value table is established.
Based on spatio-temporal correlation analysis method, the automatic identification techniques for coal-gas monitoring data anomaly are presented.
The coal-gas safety monitoring problem was classified as an expert diagnosis issue here. The methods of knowledge discovery and expert knowledge base system design based on cognitive model are provided.
引文
[1]钟华．煤矿瓦斯预警技术应用探析[J]．科技传播，2011，3：149-158
[2]赵铁锤．在中国煤矿瓦斯治理国际研讨会上的讲话．安徽合肥，2005，5.29
[3]赵立永，邓永红，段绪华．煤矿安全生产监控系统的发展历程分析研究[J]．华北科技学院学报，2011，8（3）：41-44．
[4]周世宁，林柏泉．煤矿瓦斯动力灾害防治理论及控制技术[M]．北京：科学出版社，2007．
[5]米建国，李继培．依靠科技遏制瓦斯矿难[J]．中国发展观察，2005(9)：22-24．
[6]董华霞，叶生．聚苯胺特性的平面型载体催化甲烷传感器的研究[J]．云南大学学报，1997，19（2）：143-146．
[7]曾祥鸿，黄强．KJ90型煤矿安全生产综合监控系统[J]．矿业安全与环保，2000，27（1）：18-20．
[8]柴化鹏，冯锋，白云峰等．瓦斯传感器的研究进展[J]．山西大同大学学报(自然科学版)，2009，25（3），27-31．
[9]赵海山．探测空气中甲烷的小型气体敏感器[J]．红外与激光工程，1999，28(2)：33-36．
[10]李巍，黄世震，陈文哲．甲烷气体传感元件的研究现状与发展趋势[J]．福建工程学院学报，2006，4（1）：4-8．
[11]蔡晔，葛忠华，陈银飞．金属氧化物半导体气敏传感器的研究和开发进展[J]．化工生产与技术，1997，4（2）：29-34．
[12]李虹．监测甲烷浓度的红外光吸收法光纤传感器[J]．量子电子学报，2002，19（8）：355-357．
[13]王玉田，李晓听，刘占伟．甲烷气体多点光纤传感系统的研究[J]．光电工程，2004，31（6）：21-23．
[14]王晓梅，张玉钧．大气中甲烷含量监测方法研究[J]．光电子技术与信息，2005，18（4）：8-13．
[15]梁秀荣，朱小龙．煤矿安全监测监控系统有关问题的探讨[J]．煤炭科学技术，2006，34（8）：69-71．
[16]付华，井毅鹏．测量甲烷体积分数的高灵敏度光纤传感器研究[J]．传感器与微系统，2010，29(4)：15-17．
[17]王栓林．煤与瓦斯突出危险性实时跟踪预测技术研究[D]．西安西安科技大学，2009．
[18]刘卫东，孟晓静，丁恩杰．岩体声发射监测系统的设计与实现[J]．煤炭科学技术，2007，35(5)：46~48．
[19]魏风清，张建国．俄罗斯地震声学预测方法的研究现状及发展前景[J]．煤矿安全，1999，30（11）：44-46．
[20]中国矿业大学徐州福安科技有限公司．GDD12煤岩动力灾害声电传感器使用说明书．http://www.xzfast.cn/Showcpzs.asp?id=948．
[21]邹银辉，赵旭生，刘胜．声发射连续预测煤与瓦斯突出技术研究[J]．煤炭科学技术，2005，33(6)：61-65．
[22]撒占友，何学秋，王恩元．工作面煤与瓦斯突出电磁辐射的神经网络预测方法研究[J]．煤炭学报，2004，29（5）：563-567．
[23]王恩元，何学秋，聂百胜．电磁辐射法预测煤与瓦斯突出原理[J]．中国矿业大学学报，2000，29（3）：225-229．
[24]李忠辉，王恩元，何学秋等．电磁辐射实时检测煤与瓦斯突出在煤矿的应用[J]．煤炭科学技术，2005，33（9）：31-33．
[25]刘晓斐，王恩元，何学秋等．回采工作面应力分布的电磁辐射规律[J]．煤炭学报，2007，32（10）：1019-1022．
[26]马超群，陆道儿，李天明等．MTT－92型煤与瓦斯突出危险探测仪的研制及试验[J]．矿业安全与环保，1996，23（6）：1-3，7-8．
[27]马超群．MTT-92型煤与瓦斯突出危险探测仪[J]．煤田地质与勘探，1997，25（5）：57-60．
[28]钱建生，刘富强，陈治国等．煤与瓦斯突出电磁辐射监测仪[J]．中国矿业大学学报，2000，29（2）：167-169．
[29]王恩元，何学秋，刘贞堂等．煤岩动力灾害电磁辐射监测仪及其应用[J]．煤炭学报，2003，28（5）：465-469．
[30]钱建生，王恩元．煤岩破裂电磁辐射的监测及应用[J]．电波科学学报，2004，19（2）：161-165．
[31]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
[32]刘西青．论国内煤矿瓦斯监测监控系统现状与发展[J]．山西焦煤科技，2006，3：37-40．
[33]周邦全．煤矿安全监测监控系统的发展历程和趋势[J]．矿业安全与环保，2007，34（S）：37-40．
[34]李继林．煤矿安全监控系统的现状与发展趋势[J]．煤炭技术，2008，27(11)：3-5．
[35]叶广磊．浅析煤矿瓦斯监控系统[J]．中小企业管理与科技，2009，19（28）：276-276．
[36]王志岗．煤矿瓦斯安全监测系统的设计及实现[D]．天津：天津大学，2006．
[37]国家安全监管总局，国家煤矿安监局．关于进一步加强煤矿安全监控系统装备联网和维护使用工作的通知[J]．http：//www.chinasafety.gov.cn，2008．
[38]郭平利．浅谈对我国煤矿安全监测监控系统的认识[J]．经营管理者，2011，5：266-266．
[39]仲丽云．煤矿安全监控系统存在的问题及其改进探讨[J]．工矿自动化，2010，6：92-94．
[40]王其军.瓦斯监测系统故障智能诊断技术研究[D].青岛：山东科技大学,2007.
[41]曲晓慧,安纲.数据融合方法综述及展望[J].舰船电子工程,2003(2)：2-4
[42]周浩敏,钱政.智能传感技术与系统[M].北京：北京航空航天大学出版社,2008
[43]Waltz E, Lilnas J. Multi-sensor data fusion [M]. Boston:Artech House,1990.
[44]Hall D L, Llinas J. An introduction to multi-sensor data fusion[J]. Proc IEEE,1997,85(1):6-23.
[45]Varshney P K. Multi-sensor data fusion[J]. J EclecCommu Eng,1997,9(6):245-253.
[46]Waltz E, Buede D M. Data fusion and decision support for command and control [J]. IEEE Trans on Syst, Man&Cybern,1986,16(6):865-879.
[47]Comparato V G. Fusion—The key to tactical mission success[J]. SPIE,1988,93(1):2-7.
[48]Hamilton M K, Kipp T A. ATR architecture for multi-sensor fusion[J]. SPIE,1996,275(5):126-133
[49]Katyal S, Kramer E L, Noz M Eet al. Fusion of immunoscinti graphy SPECT with CT of the chest in patients with non-small cell lung cancer[J]. Cancer Res,1995,55(S):5759-5763.
[50]Hernandez A I, Garrault G, Mora Fet al. Multisensor fusion for atrial and ventricular activity detection in coronary care monitoring [J]. IEEE Trans on Biomed Eng,1999,46(10):1186-1190.
[51]Murphy R R. Sensor and information fusion for improved vision-based vehicle guidance[J]. IEEE Expert,1998,13(6):49-56.
[52]Neira J, Tardos J D, Horn Jet al. Fusing range and intensity image for mobile robot localization[J]. IEEE Trans on Robot Autom,1999,15(1):76-84.
[53]Abidi M A, Gonzalez R C. Data fusion in robotics and machine intelligence[M]. Boston: Academic,1992.
[54]Murphy R R. Dempster-shafer theory for sensor fusion in autonomous mobile robots[J]. IEEE Trans on Robot Autom,1998,14(2):197-206.
[55]李圣怡,吴学忠,范大鹏.多传感器融合理论及在智能制造系统中的应用[M].长沙：国防科技大学出版社,1998.
[56]王耀南,李树涛.多传感器信息融合及其应用综述[J].控制与决策,2001,16(5)518-522.
[57]咸宝金,许芬.多传感器数据融合技术与专家系统研究[J].自动化与仪器仪表,2007,6：12-14.
[58]陈文辉,马铁华.多传感器信息融合技术的研究与进展[J].科技情报开发与经济,2006,16(19)：212-213
[59]王耀南.国家863计划项目验收技术报告复杂工业过程的综合集成智能控制及应用[R].长沙：湖南大学,2000,150-200.
[60]华鑫鹏,张辉宜,张岚.多传感器数据融合技术及其研究进展[J].中国仪器仪表,2008,28(5)：40-43.
[61]黄漫国,樊尚春,郑德志等.多传感器数据融合技术研究进展[J].传感器与微系统.2010,29(3)：5-12
[62]Smith D, Singh S. Approaches to multi-sensor data fusion in target tracking:A survey[J]. IEEE Transactions on Knowledge and Data Engineering,2006,18(2):1696-1710.
[63]Escamilla-Ambrosio P J, MortN. Multisensor data fusion architecture based on adaptive Kalman filters and fuzzy logic performance assessment[C]//Proceedings of the Fifth International Conference on Information Fusion, Annapolis,2002:1542-1549.
[64]Escamilla-Ambrosio P J, Mort N. Hybrid Kalman filter-fuzzy logic adaptive multi-sensor data fusion architectures[C]//Proceedings of the42nd IEEE Conference on Decision and Control Mau, i2003:5215-5220.
[65]Tafti A D, Sadati N. Novel adaptive Kalman filtering and fuzzy track fusion approach for real time applications[C]//Proceedings of the3rd IEEE Conference on Industrial Electronics and Application, Singapore,2008:120-125.
[66]刘素一,张海霞,罗维平.基于小波变换和Kalman滤波的传感器数据融合[J].微计算机信息,2006,22(1-6)：179-181.
[67]刘建书,李人厚,常宏.基于相关性函数和最小二乘的多传感器数据融合[J].控制与决策,2006,21(6)：714-71
[68]Choi JN, Oh SK, Pedrycz W. Identification of fuzzy relation models using hierarchical fair competition-based parallel genetic algorithms and information granulation[J]. Applied Mathematical Modeling,2009,33(6):2791-2807.
[69]ShenCY, YuK T. A generalized fuzzy approach for strategic problems:The empirical study on facility location selection of authors' management consultation clientas an example [J]. Expert Systems with Applications,2009,36(3):4709-4716.
[70]白云飞,曲尔光.多传感器信息融合技术及其应用[J].机械管理开发,2008,23(1)：69-70.
[71]Ishibuchi H, Nii M. Numerical analysis of the learning of fuzzified neural networks from fuzzy if-then rules [J]. Fuzzy Sets and Systems,2001,120(2):281-30
[72]韩敏,孙燕楠,许士国等.一种模糊逻辑推理神经网络的结构及算法设计[J].控制与决策,2006,21(4)：415-420.
[73]Oh SK, PedryczW, ParkH S. Hybrid identification in fuzzy-neural networks[J]. Fuzzy Sets and Systems,2003,138(2):399-426.
[74]Sun Y N, Han M. Neural network for fuzzy if-then rules realization[C]//Proceedings of the24th Chinese Control Conference, Canton, China,2005:1041-1044.
[75]LingY Z, Xu XG, Shen L N, et a.1Multi sensor data fusion method based on fuzzy neural network [C]//Proceedings of the6thIEEE International Conference on Industrial Informatics, Daejeon,2008:132-137.
[76]Er M J, GaoY. Robust Adaptive Control of Robot Manipulators Using Generalized Fuzzy Neural Networks[J]. IEEE Transactions on Industrial Electronics,2003,50(3):620-628.
[77]杨钢,王玉涛,陆增喜等.多传感器数据融合技术在多相流参数测量中的应用[J].仪表技术与传感器,2005(11)：51-53
[78]杨鹃,孙华,吴林.模糊神经网络信息融合方法在机器人避障中的应用[J].自动化技术与应用,2005,24(2)：22-24.
[79]Cobaner M, Unal B, KisiO. Suspended sediment concentration estimation by an adaptive neuro-fuzzy and neural network approaches using hydro-meteorological data[J]. Journal ofHydrology,2009(367):52-61.
[80]Abdel-Aty-Zohdy H S, Ewing R L. Intelligent information processing using neural networks and genetic algorithms[C]//Proceedings of the43rd IEEE Midwest Symposium on Circuits and Systems, Lansing,2000:840-845.
[81]Chou C J, Yu F J, Su C T. Combining neural networks and genetic algorithms for optimizing the parameter design of inter-metal dielectric layer[C]//Proceedings of the20084th International Conference on W ireless Communications, Dalian,2008:7888-7891.
[82]Kerh T, Chan Y L. Gunaratnam D. Treatment and assessment of nonlinear seismic data by a genetic algorithm based neural network model[J]. International Journal of Nonlinear Sciences and Numerical Simulation,2009,10(1):45-56.
[83]孙有发,陈世权,吴今培等.一种基于模糊遗传神经网络的信息融合技术及其应用[J].控制与决策,2001,16(B11)：717-720.
[84]姜静,姜琳,李华德等.基于遗传算法的模糊神经控制器[J].煤矿机械,2007,28(3)：129-131.
[85]张宇林,蒋鼎国,徐保国.改进的BP算法在多传感器数据融合中的应用[J].东南大学学报(自然科学版),2008,38(S1)：258-261.
[86]Zhang Q H. Benveniste A. Wavelet networks [J]. IEEE Trans on NN,1992,3(6):889.898.
[87]Cho S Y, Chow T W S. A neural learning based reflectance model for3D shape reconstruction[J]. IEEE Transactions on Indusial Electronics,2000,47(6):1346.1349.
[88]高美静.基于遗传小波神经网络的多传感器信息融合技术的研究[J].仪器仪表学报,2007,28(11)：2103-2107
[89]国家安全生产监督管理总局,国家煤矿安全监察局.煤矿安全规程[M].2009.
[90]国家安全生产监督管理总局.AQ1029-2007煤矿安全监控系统及检测仪器管理使用规范[M].2007.
[91]国家安全生产监督管理总局.防治煤与瓦斯突出规定[M].2009.
[92]李胜.煤与瓦斯突出区域预测的模式识别方法研究[D].葫芦岛：辽宁工程技术大学,2004.
[93]李北平.重庆地区煤与瓦斯突出特征及其地质影响因素分析[J].矿业安全与环保,2007,34(3)：69-70.
[94]马永德,梅甫定.大平煤矿煤巷掘进中突出敏感指标及其临界值的确定[J].安全与环境工程,2008,15(4)：107-110.
[95]刘明举,刘希亮,何俊.煤与瓦斯突出分形预测研究[J].煤炭学报,1998,23(6)：616-619.
[96]赵旭生,董银生,岳超平.煤与瓦斯突出预测敏感指标及其临界值的确定方法[J].矿业安全与环保,2007：34(6)：28-30,52.
[97]秦汝祥,张国枢,杨应迪.瓦斯涌出异常预报煤与瓦斯突出[J].煤炭学报,2006,31(5)：599-602.
[98]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].徐州：中国矿业大学,2009.
[99]苏文叔.利用瓦斯涌出动态指标预测煤与瓦斯突出[J].煤炭工程师,1996,23(5)2-7.
[100]刘彦伟,刘明举,武刚生.鹤煤十矿突出前瓦斯涌出特征及预测指标的选择与应用[Jl.煤矿安全,2005,36(11)：18-21.
[101]何俊,王云刚,陈新生,等.煤与瓦斯突出前瓦斯涌出动态混沌特性[J].辽宁工程技术大学学报,2010,29(4)：529-532.
[102]秦汝祥,张国枢,杨应迪.瓦斯浓度序列的煤与瓦斯突出预报方法及应用[J].安徽理工大学学报(自然科学版),2008,28(1)：25-29.
[103]王栓林,樊少武,马超.突出危险性预测中的瓦斯浓度实时指标研究[J].煤炭科学技术,2010,38(5)：54-57,65.
[104]邹云龙,赵旭生,孙东玲等.利用炮掘工作面瓦斯涌出时间序列预测工作面突出危险性[J].矿业安全与环保,2010,37(3)：7-10.
[105]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].湖北：武汉大学出版社,2002.
[106]施式亮,宋译,何利文等.矿井掘进工作面瓦斯涌出混沌特性判别[J].煤炭学报,2006,31(6)：701-705.
[107]何利文,施式亮,宋译等.回采工作面瓦斯涌出的复杂性及其度量[J].煤炭学报,2008,33(5)：547-550.
[108]王凯,王轶波,卢杰.煤与瓦斯突出动态前兆的非线性特征研究[J].采矿与安全工程学报,2007,24(1)：11-26.
[109]张剑英,程健,侯玉华等.煤矿瓦斯浓度预测的ANFIS方法研究[J].中国矿业大学学报,2007,36(4)：494-498.
[110]程健,白静宜,钱建生等.基于混沌时间序列的煤矿瓦斯浓度短期预测[J].中国矿业大学学报,2008,37(2).
[111]时天.基于混沌时间序列的瓦斯浓度预测研究[D].西安：西安科技大学,2009.
[112]何利文,施式亮,宋译等.基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究[J].中国安全科学学报,2009,19(9)：42-46.
[113]黄文标,施式亮.基于改进Lyapunov指数的瓦斯涌出时间序列预测[J].煤炭学报,2009,34(12)：1665-1668.
[114]王亚军,金芳勇.基于混沌理论的掘进工作面煤与瓦斯突出特征研究[J].矿业安全与环保,2010,37(5)：4-7.
[115]赵金宪,于光华.瓦斯浓度预测的混沌时序RBF神经网络模型[J].黑龙江科技学院学报,2010,20(2)：131-134.
[116]陆振波,蔡志明,姜可宇.基于改进的C-C方法的相空间重构参数选择[J].系统仿真学报,2007,19(11)：2527-2529,2538.
[117]A. Wolf, J B. Swift, H L. Swinny, et al. Determining Lyapunov exponents from a time series [J]. Physica16D,1985:285-317.
[118]肖红飞,何学秋,王恩元等.煤与瓦斯突出电磁辐射预测指标临界值的确定及应用[J].煤炭学报,2003,28(5)：465-469.
[119]何学秋,刘明举.含瓦斯煤岩破坏电磁动力学[M].徐州：中国矿业大学出版社,1995
[120]王恩元.含瓦斯煤破裂的电磁辐射和声发射效应及其应用研究[D].徐州：中国矿业大学,1997.
[121]He Xueqiu, Wang Enyuan, Liu Zhentang. Experimental study on the electromagnetic radiation (EMR) during the fracture of coal or rock [A]. Proceedings of the'99International Symposium on Mining Science and Technology [C]. Beijing:Science Press,1999,133～136.
[122]聂百胜．含瓦斯煤岩破裂力电效应的机理研究[D]．徐州：中国矿业大学，2001．
[123]钱建生，刘富强，陈治国等．煤与瓦斯突出电磁辐射监测仪[J]．中国矿业大学，2000，29（2）：167-169．
[124]王恩元，何学秋，刘贞堂等．煤岩动力灾害电磁辐射监测仪及其应用[J]．煤炭学报，2003，28（5）：465-469．
[125]王恩元，何学秋，刘贞堂．煤岩电磁辐射特性及其应用研究进展[J]．自然科学进展，2006，16（5）：532-536
[126]宋青山，王宗明．电磁辐射预测突出技术在黔西矿区的应用[J]．煤矿现代化，2006，4：53-55．
[127]李忠辉，王恩元，何学秋等．掘进工作面前方电磁辐射分布规律研究[J]．中国矿业大学学报，2007，36（2）：142-147．
[128]王飞，丁国明．电磁辐射法预测煤与瓦斯突出技术应用[J]．安徽科技，2008，8：50-52．
[129]孟宪营，于占林，杜泽生．掘进工作面电磁辐射突出监测技术研究[J]．煤，2008，17(12)：4-6．
[130]鲜学福，辜敏，李晓红等．煤与瓦斯突出的激发和发生条件[J]．岩土力学，2009，30（3）：577-581．
[131]撒占友，王春源．煤与瓦斯突出电磁辐射预测指标临界值的确定[J]．中国矿业，2006，15（10）：88-91．
[132]何学秋，聂百胜，王恩元等．矿井煤岩动力灾害电磁辐射预警技术[J]．煤炭学报，2007，32（1）：56-59．
[133]陈鹏，张科学，魏明尧等．煤与瓦斯突出预测动静态指标的灰色优选[J]．矿业研究与开发，2010，30(5)：73-76．
[134]王恩元，何学秋，刘贞堂．煤岩破裂声发射实验研究及R/S统计分析[J]．煤炭学报，1999，24（3）：270-273．
[135]邹银辉，赵旭生，刘胜．声发射连续预测煤与瓦斯突出技术研究[J]．煤炭科学技术，2005，33（6）：61-65．
[136]张伟民，周勇，韩珂奇．声发射预测煤与瓦斯突出危险性方法及指标的研究[J]．煤矿安全，1999，5：2-4．
[137]郭德勇，范金志等．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）：660-604．
[138]陈伟．正确认识层次分析法（AHP法）[J]．人类工效学，2000，6（2）：32-35．
[139]刘思峰，党耀国，方志耕，等．灰色系统理论及其应用（第五版）[M]，北京：科学出版社，2010．
[140]伍爱友，姚建，肖红飞．基于灰色关联分析的煤与瓦斯突出预测指标优选[J]，煤炭科学技术，2005，32（2），69-71，61．
[141]付华，沈中和，孙红鸽．矿井瓦斯监测多传感器信息融合模型[J]．葫芦岛：辽宁工程技术大学学报，2005，24（2）：239-241．
[142]付华，李博，薛永存．基于D-S证据理论的数据融合井下监测方法分析[J]．传感器与微系统，2007，26（1）：27-29．
[143]邵良杉，付贵祥．基于数据融合理论的煤矿瓦斯动态预测技术[J]．煤炭学报，2008，（05）：551-555．
[144]王占勇，马震，王青青．煤矿瓦斯监测多传感器信息融合方法研究[J]煤炭科技，2010，2：1-3．
[145]阎馨，屠乃威．基于多传感器数据融合技术的瓦斯监测系统[J]．计算机测量与控制，2004，12(12)：1140-1142．
[146]王文．数据融合及虚拟仪器在瓦斯监测系统中的应用研究[D]．葫芦岛：辽宁工程技术大学，2006．
[147]韩兵，付华．基于BP神经网络数据融合的瓦斯监测系统[J]．工矿自动化，2008，4：10-13．
[148]李岚，李钦格．数据融合在瓦斯安检系统中的应用[J]．哈尔滨商业大学学报(自然科学版)，2008，24（4）：457-459．
[149]聂百胜，何学秋，何俊等，电磁辐射信号的小波变换去噪研究[J]．太原理工大学学报，2006，37（5）：557-560．
[150]赵旭生，声发射监测井下动力灾害的噪声处理方法[J]．煤炭科学技术，2005，33（3）：51-55．
[151]付华，王涛，杨崔．模糊传感器在煤矿瓦斯监测中的应用[J]．传感器与微系统，2009，28（1）：115-116，120．
[152]付华，王涛，杨崔．智能瓦斯传感器系统的设计[J]．仪表技术与传感器，2010，(2)：100-104．
[153]付华．煤矿瓦斯灾害特征提取与信息融合技术研究[D]．葫芦岛：辽宁工程技术大学，2006．
[154]黄志彦，张柏书，于开山，等．D-S证据理论数据融合算法在某系统故障诊断中的应用[J]．电光与控制，2007，14（2）：146-149．
[155]马华杰，王金梅，朱瑜红．模糊专家系统在火电厂凝汽器性能诊断中的应用[J]．华东电力，2012，40（8）：1409-144．
[156]蔡晓明．基于地理信息系统的煤矿瓦斯突出预测研究[D]．昆明：昆明理工大学，2006．
[157]孙忠强,苏昭桂,张金锋.煤与瓦斯突出预测预报技术研究现状及发展趋势]Jl.能源技术与管理,2008,2：56-57,65.
[158]郭德勇,王仪斌,卫修君,等.基于地理信息系统和神经网络的煤与瓦斯突出预警[J].北京科技大学学报,2009,31(1),15-18.
[159]肖栋,贾慧霖,李忠辉,等.电磁辐射与声发射矿井综合信息采集系统设计[J].煤炭科学技术,2009,37(4),82-84.
[160]曹振兴,彭勃,王长伟,等.声发射与电磁辐射综合监测预警技术[J].煤矿安全,2010,11：58-60,64.
[161]苏羽,赵海,苏威积,等.基于模糊专家系统的评估诊断方法[J].东北大学学报(自然科学版),2004,25(7)：653-656.
[162]撒占友,何学秋,张永亮,等.煤岩电磁辐射效应及其在煤与瓦斯突出预测中的应用[J].中国矿业,2006,15(1)：48-51,54.
[163]张学工.模式识别(第三版)[M].北京：清华大学出版社,2010.
[164]吴秀芹,张洪岩,李瑞政,等ArcGIS9地理信息系统应用与实践[M].北京：清华大学出版社,2007.
[165]梁双华,汪云甲,朱世松.基于ArcGIS Server的煤矿瓦斯多级监管系统的设计与实现[J].中国煤炭,2011,37(1)：69-72.
[166]罗新荣,杨飞,康与涛,等.延时煤与瓦斯突出的实时预警理论与应用研究[J].中国矿业大学学报,2008,37(2)：163166.
[167]李爱国,赵华.基于PPR的煤矿瓦斯监测数据相似搜索方法[J].计算机应用,2008,28(10)：27212724.
[168]DAS G, LINK MANNILA H, RENGANATHAN G, et al. Rule discovery from time series[C]//RAKESH AGRAAWAL. Proceedings of the4th Annual Conference on Knowledge Discovery and Data Mining. New York, AAAI Press,1998:16-22.
[169]朱扬勇,戴东波,熊赞.序列数据相似性查询技术研究综述[J].计算机研究与发展,2010,47(2)：264276.
[170]翁颖钧,朱仲英.基于动态时间弯曲的时序数据聚类算法的研究[J].计算机仿真,2004,21(3)：3740.
[171]GUNOPULOS D, DAS G. Time series similarity measures[C]//RAYMOND NG. Tutorial notes of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining. Boston:ACM Press,2000,243-307.
[172]王其军,程久龙.瓦斯传感器的故障模式与诊断方法研究[J].煤炭科学技术,2006,34(11)：34-36.
[173]蒋嵘，李德毅．基于形态表示的时间序列相似性搜索[J]．计算机研究与发展，2000，37(5)：601-608．
[174]董晓莉，顾成奎，王正欧．基于形态的时间序列相似性度量研究[J]．电子与信息学报，2007，29（5）：1228-1231．
[175]毛云建，杜秀华．基于形态特征的时间序列相似性搜索算法[J]．计算机仿真，2008，25(1)：80-83．
[176]毕德纯，倪文耀．炮掘工作面的瓦斯涌出规律与防治措施[J]．煤矿安全，2002，33（6）：19-20．
[177]付华，池继辉，乔德浩．基于数据融合技术的智能瓦斯检测系[J]．微计算机信息，2010，26(8)：9-11．
[178]胡千庭，梁运培，刘见中．采空区瓦斯流动规律的CFD模拟[J]．煤炭学报，2007，32(7)：719-723．
[179]王凯，吴伟阳．J型通风综放采空区流场与瓦斯运移数值模拟[J]．中国矿业大学学报，2007，36(3)：277-282．
[180]邹哲强，屈世甲．基于关联性模型的煤矿安全监控系统报警方法[J]．工矿自动化，2011，9：1-5．
[181]盛骤，谢式千，潘承毅．概率论与数理统计[M]．北京：高等教育出版社，2001：129-133．
[182]宋丽娜．多传感器相关分析方法研究与应用[D]．西安：西安科技大学，2009．
[183]孙继平，唐亮，陈伟，等．煤矿井下长巷道瓦斯传感器间距设计[J]．辽宁工程技术大学学报(自然科学版)，2009，28(1)：21-23．
[184]邵良杉，付贵祥．基于数据融合理论的煤矿瓦斯动态预测技术[J]．煤炭学报，2008，33(5)：551-555．
[185]张剑英，许徽，陈娟，等．基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J]．工矿自动化，2010，10：32-35．
[186]金龙哲，姚伟，张君．采空区瓦斯渗流规律的CFD模拟[J]．煤炭学报，2010，35(9)：1476-1480．
[187]吕品，马云歌，周心权．上隅角瓦斯浓度动态预测模型的研究及应用[J]．煤炭学报，2006，31(4)：461-465．
[188]安卫钢．反向传播神经网络在混沌时间序列预测中的应用[D]．太原：中北大学，2006．
[189]张刚夫．信息系统标识符的层次编码法[J]．上海海运学院学报，1996，17（3）：98-102．
[190]汤国安，赵牡丹，杨昕，等．地理信息系统(第二版)[M]．北京：科学出版社，2010．
[191]付华，王雨虹．基于数据挖掘的瓦斯灾害信息融合模型的研究[J]．传感器与微系统，2008，(01)
[192]孟凡荣．煤矿安全监测监控数据知识发现方法[M]．徐州：中国矿业大学出版社，2008．
[193]国宏伟,梁合兰,刘燕驰等.不规则时间序列距离的度量[J].计算机工程与应用,2008,44(35)：155-157.
[194]Meng Fanrong, ZhouYong, Xia Shixion. Clustering analysis algorithm for security supervising data based on semantic description in coal mine [J]. Journal of Southeast University (English Edition),2008,24(3),354-357
[195]贾澎涛,何华灿,刘丽等.时间序列数据挖掘综述[J].计算机应用研究,2007,24(11)
[196]丁永伟,杨小虎,陈根才等.基于弧度距离的时间序列相似度量[J].电子与信息学报,2011,33(1)：122-128.
[197]王甦,汪安圣.认知心理学[M].北京：北京大学出版社,1992.
[198]朱世松,鲁汉榕,殷克功,等.可计算大容量知识库系统设计[J].计算机工程与设计,2004,25(8)：1381-1383.
[199]杨敏.矿山数据挖掘方法与模型研究[D].徐州：中国矿业大学,2007.
[200]顾芳,曹存根.知识工程中的本体研究现状与存在问题[J].计算机科学,2004,31(10)：1-10,14.
[2]赵铁锤．在中国煤矿瓦斯治理国际研讨会上的讲话．安徽合肥，2005，5.29
[3]赵立永，邓永红，段绪华．煤矿安全生产监控系统的发展历程分析研究[J]．华北科技学院学报，2011，8（3）：41-44．
[4]周世宁，林柏泉．煤矿瓦斯动力灾害防治理论及控制技术[M]．北京：科学出版社，2007．
[5]米建国，李继培．依靠科技遏制瓦斯矿难[J]．中国发展观察，2005(9)：22-24．
[6]董华霞，叶生．聚苯胺特性的平面型载体催化甲烷传感器的研究[J]．云南大学学报，1997，19（2）：143-146．
[7]曾祥鸿，黄强．KJ90型煤矿安全生产综合监控系统[J]．矿业安全与环保，2000，27（1）：18-20．
[8]柴化鹏，冯锋，白云峰等．瓦斯传感器的研究进展[J]．山西大同大学学报(自然科学版)，2009，25（3），27-31．
[9]赵海山．探测空气中甲烷的小型气体敏感器[J]．红外与激光工程，1999，28(2)：33-36．
[10]李巍，黄世震，陈文哲．甲烷气体传感元件的研究现状与发展趋势[J]．福建工程学院学报，2006，4（1）：4-8．
[11]蔡晔，葛忠华，陈银飞．金属氧化物半导体气敏传感器的研究和开发进展[J]．化工生产与技术，1997，4（2）：29-34．
[12]李虹．监测甲烷浓度的红外光吸收法光纤传感器[J]．量子电子学报，2002，19（8）：355-357．
[13]王玉田，李晓听，刘占伟．甲烷气体多点光纤传感系统的研究[J]．光电工程，2004，31（6）：21-23．
[14]王晓梅，张玉钧．大气中甲烷含量监测方法研究[J]．光电子技术与信息，2005，18（4）：8-13．
[15]梁秀荣，朱小龙．煤矿安全监测监控系统有关问题的探讨[J]．煤炭科学技术，2006，34（8）：69-71．
[16]付华，井毅鹏．测量甲烷体积分数的高灵敏度光纤传感器研究[J]．传感器与微系统，2010，29(4)：15-17．
[17]王栓林．煤与瓦斯突出危险性实时跟踪预测技术研究[D]．西安西安科技大学，2009．
[18]刘卫东，孟晓静，丁恩杰．岩体声发射监测系统的设计与实现[J]．煤炭科学技术，2007，35(5)：46~48．
[19]魏风清，张建国．俄罗斯地震声学预测方法的研究现状及发展前景[J]．煤矿安全，1999，30（11）：44-46．
[20]中国矿业大学徐州福安科技有限公司．GDD12煤岩动力灾害声电传感器使用说明书．http://www.xzfast.cn/Showcpzs.asp?id=948．
[21]邹银辉，赵旭生，刘胜．声发射连续预测煤与瓦斯突出技术研究[J]．煤炭科学技术，2005，33(6)：61-65．
[22]撒占友，何学秋，王恩元．工作面煤与瓦斯突出电磁辐射的神经网络预测方法研究[J]．煤炭学报，2004，29（5）：563-567．
[23]王恩元，何学秋，聂百胜．电磁辐射法预测煤与瓦斯突出原理[J]．中国矿业大学学报，2000，29（3）：225-229．
[24]李忠辉，王恩元，何学秋等．电磁辐射实时检测煤与瓦斯突出在煤矿的应用[J]．煤炭科学技术，2005，33（9）：31-33．
[25]刘晓斐，王恩元，何学秋等．回采工作面应力分布的电磁辐射规律[J]．煤炭学报，2007，32（10）：1019-1022．
[26]马超群，陆道儿，李天明等．MTT－92型煤与瓦斯突出危险探测仪的研制及试验[J]．矿业安全与环保，1996，23（6）：1-3，7-8．
[27]马超群．MTT-92型煤与瓦斯突出危险探测仪[J]．煤田地质与勘探，1997，25（5）：57-60．
[28]钱建生，刘富强，陈治国等．煤与瓦斯突出电磁辐射监测仪[J]．中国矿业大学学报，2000，29（2）：167-169．
[29]王恩元，何学秋，刘贞堂等．煤岩动力灾害电磁辐射监测仪及其应用[J]．煤炭学报，2003，28（5）：465-469．
[30]钱建生，王恩元．煤岩破裂电磁辐射的监测及应用[J]．电波科学学报，2004，19（2）：161-165．
[31]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
[32]刘西青．论国内煤矿瓦斯监测监控系统现状与发展[J]．山西焦煤科技，2006，3：37-40．
[33]周邦全．煤矿安全监测监控系统的发展历程和趋势[J]．矿业安全与环保，2007，34（S）：37-40．
[34]李继林．煤矿安全监控系统的现状与发展趋势[J]．煤炭技术，2008，27(11)：3-5．
[35]叶广磊．浅析煤矿瓦斯监控系统[J]．中小企业管理与科技，2009，19（28）：276-276．
[36]王志岗．煤矿瓦斯安全监测系统的设计及实现[D]．天津：天津大学，2006．
[37]国家安全监管总局，国家煤矿安监局．关于进一步加强煤矿安全监控系统装备联网和维护使用工作的通知[J]．http：//www.chinasafety.gov.cn，2008．
[38]郭平利．浅谈对我国煤矿安全监测监控系统的认识[J]．经营管理者，2011，5：266-266．
[39]仲丽云．煤矿安全监控系统存在的问题及其改进探讨[J]．工矿自动化，2010，6：92-94．
[40]王其军.瓦斯监测系统故障智能诊断技术研究[D].青岛：山东科技大学,2007.
[41]曲晓慧,安纲.数据融合方法综述及展望[J].舰船电子工程,2003(2)：2-4
[42]周浩敏,钱政.智能传感技术与系统[M].北京：北京航空航天大学出版社,2008
[43]Waltz E, Lilnas J. Multi-sensor data fusion [M]. Boston:Artech House,1990.
[44]Hall D L, Llinas J. An introduction to multi-sensor data fusion[J]. Proc IEEE,1997,85(1):6-23.
[45]Varshney P K. Multi-sensor data fusion[J]. J EclecCommu Eng,1997,9(6):245-253.
[46]Waltz E, Buede D M. Data fusion and decision support for command and control [J]. IEEE Trans on Syst, Man&Cybern,1986,16(6):865-879.
[47]Comparato V G. Fusion—The key to tactical mission success[J]. SPIE,1988,93(1):2-7.
[48]Hamilton M K, Kipp T A. ATR architecture for multi-sensor fusion[J]. SPIE,1996,275(5):126-133
[49]Katyal S, Kramer E L, Noz M Eet al. Fusion of immunoscinti graphy SPECT with CT of the chest in patients with non-small cell lung cancer[J]. Cancer Res,1995,55(S):5759-5763.
[50]Hernandez A I, Garrault G, Mora Fet al. Multisensor fusion for atrial and ventricular activity detection in coronary care monitoring [J]. IEEE Trans on Biomed Eng,1999,46(10):1186-1190.
[51]Murphy R R. Sensor and information fusion for improved vision-based vehicle guidance[J]. IEEE Expert,1998,13(6):49-56.
[52]Neira J, Tardos J D, Horn Jet al. Fusing range and intensity image for mobile robot localization[J]. IEEE Trans on Robot Autom,1999,15(1):76-84.
[53]Abidi M A, Gonzalez R C. Data fusion in robotics and machine intelligence[M]. Boston: Academic,1992.
[54]Murphy R R. Dempster-shafer theory for sensor fusion in autonomous mobile robots[J]. IEEE Trans on Robot Autom,1998,14(2):197-206.
[55]李圣怡,吴学忠,范大鹏.多传感器融合理论及在智能制造系统中的应用[M].长沙：国防科技大学出版社,1998.
[56]王耀南,李树涛.多传感器信息融合及其应用综述[J].控制与决策,2001,16(5)518-522.
[57]咸宝金,许芬.多传感器数据融合技术与专家系统研究[J].自动化与仪器仪表,2007,6：12-14.
[58]陈文辉,马铁华.多传感器信息融合技术的研究与进展[J].科技情报开发与经济,2006,16(19)：212-213
[59]王耀南.国家863计划项目验收技术报告复杂工业过程的综合集成智能控制及应用[R].长沙：湖南大学,2000,150-200.
[60]华鑫鹏,张辉宜,张岚.多传感器数据融合技术及其研究进展[J].中国仪器仪表,2008,28(5)：40-43.
[61]黄漫国,樊尚春,郑德志等.多传感器数据融合技术研究进展[J].传感器与微系统.2010,29(3)：5-12
[62]Smith D, Singh S. Approaches to multi-sensor data fusion in target tracking:A survey[J]. IEEE Transactions on Knowledge and Data Engineering,2006,18(2):1696-1710.
[63]Escamilla-Ambrosio P J, MortN. Multisensor data fusion architecture based on adaptive Kalman filters and fuzzy logic performance assessment[C]//Proceedings of the Fifth International Conference on Information Fusion, Annapolis,2002:1542-1549.
[64]Escamilla-Ambrosio P J, Mort N. Hybrid Kalman filter-fuzzy logic adaptive multi-sensor data fusion architectures[C]//Proceedings of the42nd IEEE Conference on Decision and Control Mau, i2003:5215-5220.
[65]Tafti A D, Sadati N. Novel adaptive Kalman filtering and fuzzy track fusion approach for real time applications[C]//Proceedings of the3rd IEEE Conference on Industrial Electronics and Application, Singapore,2008:120-125.
[66]刘素一,张海霞,罗维平.基于小波变换和Kalman滤波的传感器数据融合[J].微计算机信息,2006,22(1-6)：179-181.
[67]刘建书,李人厚,常宏.基于相关性函数和最小二乘的多传感器数据融合[J].控制与决策,2006,21(6)：714-71
[68]Choi JN, Oh SK, Pedrycz W. Identification of fuzzy relation models using hierarchical fair competition-based parallel genetic algorithms and information granulation[J]. Applied Mathematical Modeling,2009,33(6):2791-2807.
[69]ShenCY, YuK T. A generalized fuzzy approach for strategic problems:The empirical study on facility location selection of authors' management consultation clientas an example [J]. Expert Systems with Applications,2009,36(3):4709-4716.
[70]白云飞,曲尔光.多传感器信息融合技术及其应用[J].机械管理开发,2008,23(1)：69-70.
[71]Ishibuchi H, Nii M. Numerical analysis of the learning of fuzzified neural networks from fuzzy if-then rules [J]. Fuzzy Sets and Systems,2001,120(2):281-30
[72]韩敏,孙燕楠,许士国等.一种模糊逻辑推理神经网络的结构及算法设计[J].控制与决策,2006,21(4)：415-420.
[73]Oh SK, PedryczW, ParkH S. Hybrid identification in fuzzy-neural networks[J]. Fuzzy Sets and Systems,2003,138(2):399-426.
[74]Sun Y N, Han M. Neural network for fuzzy if-then rules realization[C]//Proceedings of the24th Chinese Control Conference, Canton, China,2005:1041-1044.
[75]LingY Z, Xu XG, Shen L N, et a.1Multi sensor data fusion method based on fuzzy neural network [C]//Proceedings of the6thIEEE International Conference on Industrial Informatics, Daejeon,2008:132-137.
[76]Er M J, GaoY. Robust Adaptive Control of Robot Manipulators Using Generalized Fuzzy Neural Networks[J]. IEEE Transactions on Industrial Electronics,2003,50(3):620-628.
[77]杨钢,王玉涛,陆增喜等.多传感器数据融合技术在多相流参数测量中的应用[J].仪表技术与传感器,2005(11)：51-53
[78]杨鹃,孙华,吴林.模糊神经网络信息融合方法在机器人避障中的应用[J].自动化技术与应用,2005,24(2)：22-24.
[79]Cobaner M, Unal B, KisiO. Suspended sediment concentration estimation by an adaptive neuro-fuzzy and neural network approaches using hydro-meteorological data[J]. Journal ofHydrology,2009(367):52-61.
[80]Abdel-Aty-Zohdy H S, Ewing R L. Intelligent information processing using neural networks and genetic algorithms[C]//Proceedings of the43rd IEEE Midwest Symposium on Circuits and Systems, Lansing,2000:840-845.
[81]Chou C J, Yu F J, Su C T. Combining neural networks and genetic algorithms for optimizing the parameter design of inter-metal dielectric layer[C]//Proceedings of the20084th International Conference on W ireless Communications, Dalian,2008:7888-7891.
[82]Kerh T, Chan Y L. Gunaratnam D. Treatment and assessment of nonlinear seismic data by a genetic algorithm based neural network model[J]. International Journal of Nonlinear Sciences and Numerical Simulation,2009,10(1):45-56.
[83]孙有发,陈世权,吴今培等.一种基于模糊遗传神经网络的信息融合技术及其应用[J].控制与决策,2001,16(B11)：717-720.
[84]姜静,姜琳,李华德等.基于遗传算法的模糊神经控制器[J].煤矿机械,2007,28(3)：129-131.
[85]张宇林,蒋鼎国,徐保国.改进的BP算法在多传感器数据融合中的应用[J].东南大学学报(自然科学版),2008,38(S1)：258-261.
[86]Zhang Q H. Benveniste A. Wavelet networks [J]. IEEE Trans on NN,1992,3(6):889.898.
[87]Cho S Y, Chow T W S. A neural learning based reflectance model for3D shape reconstruction[J]. IEEE Transactions on Indusial Electronics,2000,47(6):1346.1349.
[88]高美静.基于遗传小波神经网络的多传感器信息融合技术的研究[J].仪器仪表学报,2007,28(11)：2103-2107
[89]国家安全生产监督管理总局,国家煤矿安全监察局.煤矿安全规程[M].2009.
[90]国家安全生产监督管理总局.AQ1029-2007煤矿安全监控系统及检测仪器管理使用规范[M].2007.
[91]国家安全生产监督管理总局.防治煤与瓦斯突出规定[M].2009.
[92]李胜.煤与瓦斯突出区域预测的模式识别方法研究[D].葫芦岛：辽宁工程技术大学,2004.
[93]李北平.重庆地区煤与瓦斯突出特征及其地质影响因素分析[J].矿业安全与环保,2007,34(3)：69-70.
[94]马永德,梅甫定.大平煤矿煤巷掘进中突出敏感指标及其临界值的确定[J].安全与环境工程,2008,15(4)：107-110.
[95]刘明举,刘希亮,何俊.煤与瓦斯突出分形预测研究[J].煤炭学报,1998,23(6)：616-619.
[96]赵旭生,董银生,岳超平.煤与瓦斯突出预测敏感指标及其临界值的确定方法[J].矿业安全与环保,2007：34(6)：28-30,52.
[97]秦汝祥,张国枢,杨应迪.瓦斯涌出异常预报煤与瓦斯突出[J].煤炭学报,2006,31(5)：599-602.
[98]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].徐州：中国矿业大学,2009.
[99]苏文叔.利用瓦斯涌出动态指标预测煤与瓦斯突出[J].煤炭工程师,1996,23(5)2-7.
[100]刘彦伟,刘明举,武刚生.鹤煤十矿突出前瓦斯涌出特征及预测指标的选择与应用[Jl.煤矿安全,2005,36(11)：18-21.
[101]何俊,王云刚,陈新生,等.煤与瓦斯突出前瓦斯涌出动态混沌特性[J].辽宁工程技术大学学报,2010,29(4)：529-532.
[102]秦汝祥,张国枢,杨应迪.瓦斯浓度序列的煤与瓦斯突出预报方法及应用[J].安徽理工大学学报(自然科学版),2008,28(1)：25-29.
[103]王栓林,樊少武,马超.突出危险性预测中的瓦斯浓度实时指标研究[J].煤炭科学技术,2010,38(5)：54-57,65.
[104]邹云龙,赵旭生,孙东玲等.利用炮掘工作面瓦斯涌出时间序列预测工作面突出危险性[J].矿业安全与环保,2010,37(3)：7-10.
[105]吕金虎,陆君安,陈士华.混沌时间序列分析及其应用[M].湖北：武汉大学出版社,2002.
[106]施式亮,宋译,何利文等.矿井掘进工作面瓦斯涌出混沌特性判别[J].煤炭学报,2006,31(6)：701-705.
[107]何利文,施式亮,宋译等.回采工作面瓦斯涌出的复杂性及其度量[J].煤炭学报,2008,33(5)：547-550.
[108]王凯,王轶波,卢杰.煤与瓦斯突出动态前兆的非线性特征研究[J].采矿与安全工程学报,2007,24(1)：11-26.
[109]张剑英,程健,侯玉华等.煤矿瓦斯浓度预测的ANFIS方法研究[J].中国矿业大学学报,2007,36(4)：494-498.
[110]程健,白静宜,钱建生等.基于混沌时间序列的煤矿瓦斯浓度短期预测[J].中国矿业大学学报,2008,37(2).
[111]时天.基于混沌时间序列的瓦斯浓度预测研究[D].西安：西安科技大学,2009.
[112]何利文,施式亮,宋译等.基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究[J].中国安全科学学报,2009,19(9)：42-46.
[113]黄文标,施式亮.基于改进Lyapunov指数的瓦斯涌出时间序列预测[J].煤炭学报,2009,34(12)：1665-1668.
[114]王亚军,金芳勇.基于混沌理论的掘进工作面煤与瓦斯突出特征研究[J].矿业安全与环保,2010,37(5)：4-7.
[115]赵金宪,于光华.瓦斯浓度预测的混沌时序RBF神经网络模型[J].黑龙江科技学院学报,2010,20(2)：131-134.
[116]陆振波,蔡志明,姜可宇.基于改进的C-C方法的相空间重构参数选择[J].系统仿真学报,2007,19(11)：2527-2529,2538.
[117]A. Wolf, J B. Swift, H L. Swinny, et al. Determining Lyapunov exponents from a time series [J]. Physica16D,1985:285-317.
[118]肖红飞,何学秋,王恩元等.煤与瓦斯突出电磁辐射预测指标临界值的确定及应用[J].煤炭学报,2003,28(5)：465-469.
[119]何学秋,刘明举.含瓦斯煤岩破坏电磁动力学[M].徐州：中国矿业大学出版社,1995
[120]王恩元.含瓦斯煤破裂的电磁辐射和声发射效应及其应用研究[D].徐州：中国矿业大学,1997.
[121]He Xueqiu, Wang Enyuan, Liu Zhentang. Experimental study on the electromagnetic radiation (EMR) during the fracture of coal or rock [A]. Proceedings of the'99International Symposium on Mining Science and Technology [C]. Beijing:Science Press,1999,133～136.
[122]聂百胜．含瓦斯煤岩破裂力电效应的机理研究[D]．徐州：中国矿业大学，2001．
[123]钱建生，刘富强，陈治国等．煤与瓦斯突出电磁辐射监测仪[J]．中国矿业大学，2000，29（2）：167-169．
[124]王恩元，何学秋，刘贞堂等．煤岩动力灾害电磁辐射监测仪及其应用[J]．煤炭学报，2003，28（5）：465-469．
[125]王恩元，何学秋，刘贞堂．煤岩电磁辐射特性及其应用研究进展[J]．自然科学进展，2006，16（5）：532-536
[126]宋青山，王宗明．电磁辐射预测突出技术在黔西矿区的应用[J]．煤矿现代化，2006，4：53-55．
[127]李忠辉，王恩元，何学秋等．掘进工作面前方电磁辐射分布规律研究[J]．中国矿业大学学报，2007，36（2）：142-147．
[128]王飞，丁国明．电磁辐射法预测煤与瓦斯突出技术应用[J]．安徽科技，2008，8：50-52．
[129]孟宪营，于占林，杜泽生．掘进工作面电磁辐射突出监测技术研究[J]．煤，2008，17(12)：4-6．
[130]鲜学福，辜敏，李晓红等．煤与瓦斯突出的激发和发生条件[J]．岩土力学，2009，30（3）：577-581．
[131]撒占友，王春源．煤与瓦斯突出电磁辐射预测指标临界值的确定[J]．中国矿业，2006，15（10）：88-91．
[132]何学秋，聂百胜，王恩元等．矿井煤岩动力灾害电磁辐射预警技术[J]．煤炭学报，2007，32（1）：56-59．
[133]陈鹏，张科学，魏明尧等．煤与瓦斯突出预测动静态指标的灰色优选[J]．矿业研究与开发，2010，30(5)：73-76．
[134]王恩元，何学秋，刘贞堂．煤岩破裂声发射实验研究及R/S统计分析[J]．煤炭学报，1999，24（3）：270-273．
[135]邹银辉，赵旭生，刘胜．声发射连续预测煤与瓦斯突出技术研究[J]．煤炭科学技术，2005，33（6）：61-65．
[136]张伟民，周勇，韩珂奇．声发射预测煤与瓦斯突出危险性方法及指标的研究[J]．煤矿安全，1999，5：2-4．
[137]郭德勇，范金志等．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）：660-604．
[138]陈伟．正确认识层次分析法（AHP法）[J]．人类工效学，2000，6（2）：32-35．
[139]刘思峰，党耀国，方志耕，等．灰色系统理论及其应用（第五版）[M]，北京：科学出版社，2010．
[140]伍爱友，姚建，肖红飞．基于灰色关联分析的煤与瓦斯突出预测指标优选[J]，煤炭科学技术，2005，32（2），69-71，61．
[141]付华，沈中和，孙红鸽．矿井瓦斯监测多传感器信息融合模型[J]．葫芦岛：辽宁工程技术大学学报，2005，24（2）：239-241．
[142]付华，李博，薛永存．基于D-S证据理论的数据融合井下监测方法分析[J]．传感器与微系统，2007，26（1）：27-29．
[143]邵良杉，付贵祥．基于数据融合理论的煤矿瓦斯动态预测技术[J]．煤炭学报，2008，（05）：551-555．
[144]王占勇，马震，王青青．煤矿瓦斯监测多传感器信息融合方法研究[J]煤炭科技，2010，2：1-3．
[145]阎馨，屠乃威．基于多传感器数据融合技术的瓦斯监测系统[J]．计算机测量与控制，2004，12(12)：1140-1142．
[146]王文．数据融合及虚拟仪器在瓦斯监测系统中的应用研究[D]．葫芦岛：辽宁工程技术大学，2006．
[147]韩兵，付华．基于BP神经网络数据融合的瓦斯监测系统[J]．工矿自动化，2008，4：10-13．
[148]李岚，李钦格．数据融合在瓦斯安检系统中的应用[J]．哈尔滨商业大学学报(自然科学版)，2008，24（4）：457-459．
[149]聂百胜，何学秋，何俊等，电磁辐射信号的小波变换去噪研究[J]．太原理工大学学报，2006，37（5）：557-560．
[150]赵旭生，声发射监测井下动力灾害的噪声处理方法[J]．煤炭科学技术，2005，33（3）：51-55．
[151]付华，王涛，杨崔．模糊传感器在煤矿瓦斯监测中的应用[J]．传感器与微系统，2009，28（1）：115-116，120．
[152]付华，王涛，杨崔．智能瓦斯传感器系统的设计[J]．仪表技术与传感器，2010，(2)：100-104．
[153]付华．煤矿瓦斯灾害特征提取与信息融合技术研究[D]．葫芦岛：辽宁工程技术大学，2006．
[154]黄志彦，张柏书，于开山，等．D-S证据理论数据融合算法在某系统故障诊断中的应用[J]．电光与控制，2007，14（2）：146-149．
[155]马华杰，王金梅，朱瑜红．模糊专家系统在火电厂凝汽器性能诊断中的应用[J]．华东电力，2012，40（8）：1409-144．
[156]蔡晓明．基于地理信息系统的煤矿瓦斯突出预测研究[D]．昆明：昆明理工大学，2006．
[157]孙忠强,苏昭桂,张金锋.煤与瓦斯突出预测预报技术研究现状及发展趋势]Jl.能源技术与管理,2008,2：56-57,65.
[158]郭德勇,王仪斌,卫修君,等.基于地理信息系统和神经网络的煤与瓦斯突出预警[J].北京科技大学学报,2009,31(1),15-18.
[159]肖栋,贾慧霖,李忠辉,等.电磁辐射与声发射矿井综合信息采集系统设计[J].煤炭科学技术,2009,37(4),82-84.
[160]曹振兴,彭勃,王长伟,等.声发射与电磁辐射综合监测预警技术[J].煤矿安全,2010,11：58-60,64.
[161]苏羽,赵海,苏威积,等.基于模糊专家系统的评估诊断方法[J].东北大学学报(自然科学版),2004,25(7)：653-656.
[162]撒占友,何学秋,张永亮,等.煤岩电磁辐射效应及其在煤与瓦斯突出预测中的应用[J].中国矿业,2006,15(1)：48-51,54.
[163]张学工.模式识别(第三版)[M].北京：清华大学出版社,2010.
[164]吴秀芹,张洪岩,李瑞政,等ArcGIS9地理信息系统应用与实践[M].北京：清华大学出版社,2007.
[165]梁双华,汪云甲,朱世松.基于ArcGIS Server的煤矿瓦斯多级监管系统的设计与实现[J].中国煤炭,2011,37(1)：69-72.
[166]罗新荣,杨飞,康与涛,等.延时煤与瓦斯突出的实时预警理论与应用研究[J].中国矿业大学学报,2008,37(2)：163166.
[167]李爱国,赵华.基于PPR的煤矿瓦斯监测数据相似搜索方法[J].计算机应用,2008,28(10)：27212724.
[168]DAS G, LINK MANNILA H, RENGANATHAN G, et al. Rule discovery from time series[C]//RAKESH AGRAAWAL. Proceedings of the4th Annual Conference on Knowledge Discovery and Data Mining. New York, AAAI Press,1998:16-22.
[169]朱扬勇,戴东波,熊赞.序列数据相似性查询技术研究综述[J].计算机研究与发展,2010,47(2)：264276.
[170]翁颖钧,朱仲英.基于动态时间弯曲的时序数据聚类算法的研究[J].计算机仿真,2004,21(3)：3740.
[171]GUNOPULOS D, DAS G. Time series similarity measures[C]//RAYMOND NG. Tutorial notes of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining. Boston:ACM Press,2000,243-307.
[172]王其军,程久龙.瓦斯传感器的故障模式与诊断方法研究[J].煤炭科学技术,2006,34(11)：34-36.
[173]蒋嵘，李德毅．基于形态表示的时间序列相似性搜索[J]．计算机研究与发展，2000，37(5)：601-608．
[174]董晓莉，顾成奎，王正欧．基于形态的时间序列相似性度量研究[J]．电子与信息学报，2007，29（5）：1228-1231．
[175]毛云建，杜秀华．基于形态特征的时间序列相似性搜索算法[J]．计算机仿真，2008，25(1)：80-83．
[176]毕德纯，倪文耀．炮掘工作面的瓦斯涌出规律与防治措施[J]．煤矿安全，2002，33（6）：19-20．
[177]付华，池继辉，乔德浩．基于数据融合技术的智能瓦斯检测系[J]．微计算机信息，2010，26(8)：9-11．
[178]胡千庭，梁运培，刘见中．采空区瓦斯流动规律的CFD模拟[J]．煤炭学报，2007，32(7)：719-723．
[179]王凯，吴伟阳．J型通风综放采空区流场与瓦斯运移数值模拟[J]．中国矿业大学学报，2007，36(3)：277-282．
[180]邹哲强，屈世甲．基于关联性模型的煤矿安全监控系统报警方法[J]．工矿自动化，2011，9：1-5．
[181]盛骤，谢式千，潘承毅．概率论与数理统计[M]．北京：高等教育出版社，2001：129-133．
[182]宋丽娜．多传感器相关分析方法研究与应用[D]．西安：西安科技大学，2009．
[183]孙继平，唐亮，陈伟，等．煤矿井下长巷道瓦斯传感器间距设计[J]．辽宁工程技术大学学报(自然科学版)，2009，28(1)：21-23．
[184]邵良杉，付贵祥．基于数据融合理论的煤矿瓦斯动态预测技术[J]．煤炭学报，2008，33(5)：551-555．
[185]张剑英，许徽，陈娟，等．基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究[J]．工矿自动化，2010，10：32-35．
[186]金龙哲，姚伟，张君．采空区瓦斯渗流规律的CFD模拟[J]．煤炭学报，2010，35(9)：1476-1480．
[187]吕品，马云歌，周心权．上隅角瓦斯浓度动态预测模型的研究及应用[J]．煤炭学报，2006，31(4)：461-465．
[188]安卫钢．反向传播神经网络在混沌时间序列预测中的应用[D]．太原：中北大学，2006．
[189]张刚夫．信息系统标识符的层次编码法[J]．上海海运学院学报，1996，17（3）：98-102．
[190]汤国安，赵牡丹，杨昕，等．地理信息系统(第二版)[M]．北京：科学出版社，2010．
[191]付华，王雨虹．基于数据挖掘的瓦斯灾害信息融合模型的研究[J]．传感器与微系统，2008，(01)
[192]孟凡荣．煤矿安全监测监控数据知识发现方法[M]．徐州：中国矿业大学出版社，2008．
[193]国宏伟,梁合兰,刘燕驰等.不规则时间序列距离的度量[J].计算机工程与应用,2008,44(35)：155-157.
[194]Meng Fanrong, ZhouYong, Xia Shixion. Clustering analysis algorithm for security supervising data based on semantic description in coal mine [J]. Journal of Southeast University (English Edition),2008,24(3),354-357
[195]贾澎涛,何华灿,刘丽等.时间序列数据挖掘综述[J].计算机应用研究,2007,24(11)
[196]丁永伟,杨小虎,陈根才等.基于弧度距离的时间序列相似度量[J].电子与信息学报,2011,33(1)：122-128.
[197]王甦,汪安圣.认知心理学[M].北京：北京大学出版社,1992.
[198]朱世松,鲁汉榕,殷克功,等.可计算大容量知识库系统设计[J].计算机工程与设计,2004,25(8)：1381-1383.
[199]杨敏.矿山数据挖掘方法与模型研究[D].徐州：中国矿业大学,2007.
[200]顾芳,曹存根.知识工程中的本体研究现状与存在问题[J].计算机科学,2004,31(10)：1-10,14.