煤與瓦斯突出預測模糊專家係統

摘 要：利用模糊數學與專家係統理論，建立了煤與瓦斯突出預測模糊專家係統並用於對實際礦井進行檢驗，證明結果是可信的。

關鍵詞：煤與瓦斯突出；模糊專家係統

中圖分類號：TD713.2；TP273.4文獻標識碼：A

0 引 言

煤與瓦斯突出是煤礦井下采掘工作過程中發生的一種煤和瓦斯突然運動，是一種極其複雜的動力現象。這種動力現象的出現，給采掘工作麵帶來很大的困難和危險。當突出發生時，煤體及所含瓦斯突然地連續地拋向巷道空間，造成煤流埋人，推倒支架和設備的02manbetx.com 。當拋出的瓦斯氣體具有爆炸性時，如果遇上高溫熱源，又會形成瓦斯爆炸，摧毀整個工作麵甚至整個礦井，給礦井生產和工人的生命安全帶來極大的威脅。

到目前為止，對於在各種地質、開采條件下突出發生的規律還沒有完全掌握。目前的預測方法有綜合指標法、鑽屑瓦斯解吸指標法、鑽孔瓦斯湧出初速度法、R值指標法、鑽屑指標法等。這些研究主要以現場經驗為基礎，對與突出有關的資料進行總結，形成一些便於現場應用的方法，然後在實踐中不斷改進。由於影響突出的因素較多，各礦區的地質條件也不一樣，因而突出預測臨界值隨礦井的不同而不同。同時這些突出預測方法都是來自於現場經驗的總結，還存在著不足之處。

本文擬采用專家係統03manbetx 方法對礦井煤與瓦斯突出進行研究，既借助於專家係統能有效表達專家經驗的特性，把專家的經驗和知識輸入知識庫中，然後仿照專家的思維方式和經驗編製推理機，即可實現計算機模擬專家解決問題的思路，根據不同的條件預測煤與瓦斯突出，為防治煤與瓦斯突出02manbetx.com 的發生贏得時間。

1 專家係統簡介

專家係統是人工智能應用研究的主要領域，係統的目的是模擬人類專家的推理思維過程，以解決非數值問題的求解。

一個完整的專家係統是由知識庫、黑板、推理機、解釋機、人機接口和知識獲取等幾個模塊組成。其中知識庫、黑板或綜合數據庫和推理機是最基本的部分，知識獲取係統、解釋係統是所有專家係統期望有的三個模塊，但並非不可缺少。

2 預測煤層突出危險性的主要因素

2.1 煤的破壞類型

地應力(包括自重應力，構造應力和采動應力)使圍岩或煤體的彈性潛能作功，使煤體破壞和位移。煤的破壞類型分為：Ⅰ類—非破壞煤，Ⅱ類—破壞煤，Ⅲ類—強烈破壞煤，Ⅳ類—粉碎煤，Ⅴ類—全粉煤，具有突出危險煤的破壞類型為Ⅲ、Ⅳ、Ⅴ類。

2.2 瓦斯放散初速度(ΔP)

ΔP表示充有瓦斯的煤放散瓦斯快慢的程度，它與煤的微孔隙結構，孔隙表麵性質和孔隙大小有關。

2.3 煤的堅固性係數(f)

它是利用落錘撞擊煤時，產生的粉塵量表示煤的堅固性的。f與煤的物理強度有關。這種測定方法是建立在脆性材料破碎時遵循麵積力能說的基礎上，即破碎所消耗的功與被破碎物科所增加的麵積成正比。

2.4 煤層瓦斯壓力(P)

地應力控製瓦斯壓力場，促進瓦斯破壞煤體；圍岩中應力的增加，決定了煤層的低透氣性，造成瓦斯壓力梯度增高，對突出有利。瓦斯壓力的大小是煤體含瓦斯壓縮能高低的重要標誌。

2.5 鑽孔的鑽屑量(S)

鑽孔的鑽屑量的多少，與煤體機械強度、地應力的大小，瓦斯壓力大小有關，具有綜合影響的效果。

2.6 鑽孔瓦斯湧出初速度(q_m)

鑽孔瓦斯湧出初速度主要受鑽孔周圍地應力狀態的影響，它反映煤層的滲透性、強度、瓦斯壓力、地應力等的變化。

3 煤與瓦斯突出預測模糊專家係統設計

在廣泛收集、整理與歸納有關煤與瓦斯突出預測專家經驗和知識的基礎上，選取合理的知識表達方式和組織方式，采用Visual Foxpro編程，實現了知識深度優先搜索推理控製策略，並采用確定性理論及模糊推理技術、推理方法實現了不精確推理過程。開發了知識庫、推理機、黑板、人機接口和解釋機共五個模塊。

3.1 知識庫和知識表示

知識庫是專家係統用於存放事實和規則的地方，知識庫的建立實際上是解決專家知識和經驗的表達問題。建造專家係統的中心任務是建立知識庫，其關鍵在於知識的表示，即如何將人類專家的知識和經驗表示為計算機能識別、理解和運用的形式。一個專家係統的能力取決於知識庫中知識的數量和質量。

常用的知識表達方式有產生式規則、框架、邏輯、語義網絡等。本係統中采用產生式規則的方式，其形式為：IF(前提條件)THEN(結論)。(CF)各規則的結論部分都附加一定的可信度CF值，稱為規則強度，其閾值為(0，1)。推理後得出的結論如果可信度滿足一定的值，即認為結論成立。否則結論就不可信或不成立。

例如：

IF煤層構造為土狀構造、似土質煤，AND強度可撚成粉末、疏鬆；

THEN煤的破壞類型為V型。

知識庫主要是規則庫、事實庫和解釋庫。

3.2 推理控製策略及推理機

知識表示是專家係統賴以生存的基礎，而推理控製策略則是係統的靈魂，它類似於人類專家運用來源於知識和實踐的一般思維。

推理機的主要任務就是選擇知識和運用知識。一般是利用搜索法反複從複雜的係統中找出需要的知識。搜索策略集中於研究對經常用來描述問題領域的網絡或樹形結構進行搜索的方法，目前專家係統使用的搜索技術很多，常用的有廣度優先搜索和深度優先搜索。

推理機由推理控製程序和黑板程序和黑板構成，控製程序負責處理推理結構和控製推理去向，黑板則用於保存這些中間結果。需保存的中間結果主要有當前使用的規則，已用過的規則，可用規則以及當前規則執行情況等，本係統推理機采用的搜索算法為深度優先搜索算法。

推理機用Visual Foxpro數據庫管理語言，用麵向對象方法設計，其消息結構及其實例對象如表1示。

表1 推理機的消息結構

MBBH

MBMS

JDK

SSK

JSK

ZT

STEP

BELOVER

JD_1

煤與瓦斯突出預測

Data＼jd.dbf

Data＼ss.dbf

Data＼js.dbf

6

2

0.94

表中MBBH：推理目標在規則中的編號；MBMS：對推理目標的描述；JDK：該目標所在規則庫名；SSK：與該規則庫JDK對應的事實庫名；JSK：與該規則庫JDK對應的解釋庫名；STEP：推理機是否按單步運行方式啟動；ZT：對該目標推理的結果；BELOVER：可行度。

推理機中除ZT為輸出消息外，其餘均為輸入消息。給定不同的消息，推理機即可完成不同目標的推理。按表中的參數向推理機發消息，推理機即對突出預測這一目標進行推理，調用程序可從ZT消息中取得推理結果。

3.3 煤與瓦斯突出預測模糊專家係統的不精確推理

除了推理機外，本係統還采用了確定性理論處理煤與瓦斯突出預測中不確定性推理問題。不確定性推理亦稱不精確推理，對不確定性推理，人們至今沒有一個統一的模式。為了進行不確定性推理，人們已經提出了不少模型，如主觀Bayes方法，確定性理論和證據理論等。專家係統中的不確定性主要是模糊性，要描述客觀事物的模糊不確定性和人對客觀事物認識的模糊性，采用模糊集理論，描述人類使用這些模糊信息進行推理的方法是基於模糊技術的推理方法。

知識的不確定性描述在基於規則的專家係統中，其形式為：

R：IF E THEN H_iWITH CF(E，H_i)

其中E為規則的前提條件，H_i為規則的結論部分，各規則都附加一定的可信度CF(E，H_i)值，稱為規則強度。

CF (E，H_i)的定義為：

由(1)式可以看出：若P(Hi/E)=1，即前提E為真時，結論H_i為真，則CF(E，H_i)=1；若P( /E)=1，即前提E為真時，結論H_i為假，則CF(E，H_i)=-1；若P(H_i／E)=P(H_i)，即前提E與結論H_i無關，則CF(E，H_i)=0，這就是規則的單位元。若前提E為真，部分支持結論H_i，則0＜CF(E，H_i)＜1，反之-1＜CF(E，H_i)＜0。在實際應用中，規則的CF(E，H_i)解析式一般很難給出，在建庫時，通常是由領域專家根據經驗(或部分統計)再參照CF(E，H_i)的含義主觀確定的，並與規則一起存入知識庫中。

證據的不確定性問題反映了證據E被肯定的程度，當證據E為真時，則CF(E，H_i)=1，若E肯定為假時，則取CF(E，H_i)=-1；當證據E一無所知時，CF(E，H_i)=0，這就是證據的三位元。當證據E以某種程度為真時，則0＜CF(E，H_i)＜1，反之-1＜CF(E，H_i)＜0.原始證據的CF(E)是係統在運行時由用戶憑經驗提供。而非原始證據的CF(E)則由不確定性推理的更新算法導出。

在CF模型中，不確定性推理的過程一般為：首先，由領域專家給出推理規則(R：IE E THEN H_i)及每條規則的強度CF(E，H_i)，並將推理網絡中每個命題的不確定性值(單位元)均設置為零，然後係統開始運行，用戶輸入原始證據及其不確定性值CF(E₁，E)，係統依不確定性更新算法將原始證據不確定性值沿推理網絡向下傳播給非原始證據，直至求出最終結論的不確定性值。

在確定性理論中，確定性因子的更新算法為：

1 結論斷言H_i的可信度更新過程為：

CF(H_i)=CF(E, H_i)·max｛0,CF(E)｝ (2)

2 規則組合的可信度更新：

當從多條規則分別可推出某一結論H_i時：

在兩條規則的綜合作用下，H_i的可信度CF(H_i)：

當有多個具有同一結論斷言H_i的規則被啟用時，將反複使用(3)式計算最終的可信度值。

3 前提條件為邏輯組合時的可信度確定：

CF(E)=CF(E₁ANDE₂)=min｛CF(E₁),CF(E₂)｝

CF(E)=CF(EORE)=max｛CF(E₁),CF(E₂)｝ (4)

CF()=-CF(E)

3.4 解釋機

解釋機即一段程序，它根據黑板上記錄的當前執行規則，到解釋庫中尋找該規則對應的解釋，並調用相應的解釋處理程序，作出解釋。

係統中部份固定解釋則以幫助的形式給出。

3.5 知識獲取與管理

知識的獲取和管理是通過人機接口完成，獲取方式主要是人工獲取。

4 實例計算

采用本係統對貴州某礦幾個掘進工作麵進行推理，結果如表2所示：

表2 推理結果

編號

推理結果

實際結果

1

突出危險可信度0.9

發生瓦斯噴出

2

突出危險可信度0.93

發生煤與瓦斯突出

3

突出危險可信度0.4

未發生突出

推理結果與實際結果表明，采用本係統推理的結果與實際發生情況是相符的，證明本係統的運行是可靠的，在對掘進工作麵進行突出危險預測時，可以采用本係統進行預測。

5 小 結

采用模糊專家係統來進行煤與瓦斯突出預測是對煤與瓦斯突出預測的一次嚐試，本係統所開發的推理程序是一通用的推理控製模塊，隻要對知識庫、事實庫、解釋庫進行合理的組織，有望用於其他采礦係統。

參考文獻：

［1］ 章壯新，江澤標.貴州某礦一次煤與瓦斯延期突出02manbetx.com 的調查與03manbetx ［J］.貴州工業大學學報，2001，20(1)：49-51.

［2］ 吳桂義，況禮澄，等.礦井回采工作麵開采工藝方式選擇專家係統［J］.中國礦業，1999，8(3)：36-38.

［3］ 劉勇，吳桂義，等.貴州省礦井高產高效決策支持係統研究報告［R］.貴陽：貴州工業大學采礦係，1999.

Fuzzy Expert System for Coal and Gas Outburst

ZHANG Zhuang-xin，WU Gui-yi

(School of Resources and Environment,GUT,Guiyang 550003,China)

Abstract：A fuzzy expert system for forcasting coal and gas outburst is set up on the basis of the relevant theory.The new system has been applied in pit testing and the result shows that is is dependable.

Key words:coal and gas outburst;fuzzy expert system