技术摘要：
本发明提供的一种基于多源信息融合的煤与瓦斯突出的智能预警方法，包括：采集煤与瓦斯突出预警指标的历史数据，并对所采集的历史数据进行归一化处理；采用关联规则算法对历史预警指标进行关联分析，并计算各历史预警指标的支持度和置信度；建立基于关联规则的煤与瓦斯  全部
背景技术：
预测预警是煤与瓦斯突出灾害防治的首要环节，目前大多矿井采取少数静态指标 (例如：构造、瓦斯、软分层、钻屑解吸指标、钻孔瓦斯涌出初速度、钻屑量等)进行危险性预 测，存在着指标单一、时间上非动态、空间上不连续等不足、隐患信息的分析不深入也不够 及时等问题，从而导致预测准确性不高；同时原有的煤矿监测监控系统虽然在一定程度上 起到了减少瓦斯事故发生的效果，但总的来说还存在很多不成熟、不完善的地方，监控系统 只能对原始数据进行简单的转换、存储、显示和打印，数据资源挖掘、分析深度不够，不能及 时发现重大灾害隐患，整个系统的预警功能不强。 因此，为了解决上述技术问题，亟需提出一种新的技术手段。
技术实现要素：
有鉴于此，本发明的目的是提供一种基于多源信息融合的煤与瓦斯突出的智能预 警方法，针对煤与瓦斯突出多源信息融合度不高、预警模型相对固化，自分析与优化能力不 足，预警的智能化水平不高等问题，采用关联规则和证据理论算法相结合的方法，实现了煤 与瓦斯突出预警指标自动筛选、多指标自动融合分析与决策、预警原因自动追溯及模型的 动态更新优化，从而实现了煤与瓦斯突出智能预警，确保预警结果的准确性。 本发明提供的一种基于多源信息融合的煤与瓦斯突出的智能预警方法，包括以下 步骤： S1 .采集煤与瓦斯突出的历史数据，并对所采集的历史数据进行归一化处理得到 历史预警指标； S2.采用关联规则算法对历史预警指标进行关联分析，并计算各历史预警指标的 支持度和置信度； S3.建立基于关联规则的煤与瓦斯突出预警指标优选规则，且进行预警指标优选； S4.构建预警指标的置信度分配规则； S5.采集煤与瓦斯突出的实时指标，对实时指标进行计算得到实时指标的置信度， 形成实时指标的置信度分配表，并采用证据理论算法对实时指标进行证据合成得到决策结 果，并根据决策结果发布煤与瓦斯突出预警结果。 进一步，还包括步骤S6： S6.采用专家判定方法对预警结果进行分析，并根据分析结果以及关联规则算法 重新计算历史预警指标的置信度，并调整置信度分配规则，返回步骤S1。 进一步，步骤S2中，具体包括： S21.确定历史预警指标的关联规则项目： 5 CN 111582603 A 说　明　书 2/7 页 设项目为im，项集为I，其中，m＝1,2，…，k，I＝{i1，i2，…，ik}，项目由预警指标Zn构 成； 若预警指标Zn为定性指标，则预警指标Zn为一个项目； 若预警指标Zn为定量指标，Zn≥Zn0 L·j或Zn≤Zn0 L·j为一个项目，其中，j＝1, 2，…，k，Zn0为预警指标Zn的初始值，L为分析步长； 设T为一个事务集合，该集合为项集I的非空子集，|T|为项集频数； S22.构建关联规则算法模型：定义关联规则 A为规则前提，表示预警指标， B为规则结果，表示具有突出危险； 计算支持度S和置信度C： 根据支持度和置信度对关联规则进行划分： ①高支持度、高置信度规则，认为该规则为强关联规则；②低支持度、高置信度规 则，若为定性指标认为该规则为强关联规则，若为定量指标认为该规则为弱关联项目；③高 支持度、低置信度规则，认为规则为弱关联规则；④低支持度、低置信度规则，认为该规则为 弱关联规则。 进一步，步骤S3中具体包括： 确定最小支持度Smin： 其中，α为最小支持度系数； 确定最小置信度Cmin； 确定优选规则： 若支持度S≥Smin，则关联规则的支持度高，否则支持度低； 若置信度C≥Cmin，则关联规则的置信度高，否则置信度低； 根据优选规则对预警指标进行筛选。 进一步，步骤S4具体包括： S41 .建立煤与瓦斯突出预警等级：绿色、橙色和红色三个等级且预警级别依次升 高； S42.建立证据理论识别框架Θ：Θ＝{红色，橙色，绿色}，该证据理论识别框架Θ 的概率分为2Θ→[0,1]的函数p，且满足 且 其中，X为证据理论识别 框架的子集，p(X)为置信度指派值，那么：证据理论识别框架的子集为：{红色}、{橙色}、{绿 色}以及Θ，各子集的信任区间为： 6 CN 111582603 A 说　明　书 3/7 页 S43.若预警指标为定性指标： 若预警指标Zn所表述的现象出现时，则将该指标的置信度C分配给子集{红色}或 {橙色}，将剩余概率1-C分配给子集Θ； 若预警指标Zn所表述的现象未出现时，则将该预警指标的所有概率分配给子集 Θ； 若预警指标为定量指标： 将预警指标划分为3个区间：Zn∈[Z0, ∞)、Zn∈[λ·Z0,Z0)、Zn∈(-∞,λ·Z0)，其 中，Z0为指标临界值，λ为现场系数； 将预警指标的置信度C分配给动态采集的指标值所属区间所对应的子集，再将剩 余概率1-C分配给其他子集。 进一步，步骤S5具体包括： 构建证据合成公式： X1,X2,…,Xn表示识别框架的n个子集， 建立决策值计算模型： 根据决策值计算模型计算子集X1,X2,…,Xn的决策值g(Xq)，若： g(Xq)＝max{g({红色}) ,g({橙色}) ,g({绿色})}，则Xq为融合预警结果，其中，q表 示子集{红色}、{橙色}或{绿色}。 进一步，步骤S6中具体包括： 找出预警结果对应焦元最大的基本置信度指派值mn，若mn-mn′≤δ，其中，n≠n′，δ 为预先设定门限值，则证据n和证据n′对应的指标即为预警原因，否则仅有证据n对应的指 标即为预警原因； 预警结果发布后，采用专家判定方法，定期评估预警准确性，并根据评估结果及新 增历史数据对模型参数进行调整。 本发明的有益效果：通过本发明，针对煤与瓦斯突出多源信息融合度不高、预警模 型相对固化，自分析与优化能力不足，预警的智能化水平不高等问题，采用关联规则和证据 理论算法相结合的方法，实现了煤与瓦斯突出预警指标自动筛选、多指标自动融合分析与 决策、预警原因自动追溯及模型的动态更新优化，从而实现了煤与瓦斯突出智能预警，确保 预警结果的准确性。 7 CN 111582603 A 说　明　书 4/7 页 附图说明 下面结合附图和实施例对本发明作进一步描述： 图1为本发明的流程图。