基于云模型和D-S理论的煤炭自然发火危险性评价
Risk Evaluation of Coal Spontaneous Combustion Based on Cloud Model and D-S Theory
董春游① DONG Chun-you；张斌斌② ZHANG Bin-bin
（①黑龙江科技大学研究生学院，哈尔滨 150022；②黑龙江科技大学矿业工程学院，哈尔滨 150022）
（①Graduate School，Heilongjiang University of Science & Technology，Harbin 150022，China；
②School of Mining Engineering，Heilongjiang University of Science & Technology，Harbin 150022，China）
摘要： 为解决传统评价方法在处理某些指标时不能同时反映其模糊性和随机性及在数据融合时无法兼顾数据之间冲突关系的缺陷，提出基于云的定性与定量互换模型和D-S证据理论的冲突证据合成方法的综合评价方法。综合考虑煤的自燃倾向性、持续漏风供氧条件和聚热散热条件，建立采空区自然发火评价指标体系，对梁家煤矿4110采空区煤炭自然发火危险性进行评价。研究结果表明，基于云模型和D-S理论的煤炭自然发火危险性评价方法是可行的，而且能够克服上述缺陷，更具科学性和合理性。
Abstract: Aimed at a scientific method of risk evaluation caused by coal spontaneous combustion, a strategy which is of significance for improving colliery safety production level and reducing potential accidents, this paper draws on the comprehensive consideration of the factors influencing coal spontaneous combustion and develops evaluation index system, such as coal spontaneous combustion tendency, continuous air supply, heat accumulation, and heat dissipation conditions. The paper proposes an alternative solution to conventional evaluation system which fails in the treatment of the fuzziness and the randomness in some indicators and the conflict between them, features a comprehensive evaluation method distinguished by qualitative and quantitative mutual transfer model based on cloud model and combination of conflictive evidences in D-S evidence theory. The results derived from 4110 goaf in Liangjia coal mine verify that the method operates in a scientific and effective way.
关键词： 云模型；D-S证据理论；采空区自然发火；危险性评价
Key words: cloud model；D-S evidence theory；coal spontaneous combustion；risk evaluation
　　中图分类号：TD75+2&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 文献标识码：A&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&& 文章编号：（2-03
矿井火灾作为煤矿的主要自然灾害之一，直接危害着煤矿的安全生产。采空区煤炭发生自燃时不仅影响着井下正常的生产工作，也会对井下的人员造成伤害，设备造成损伤，而且会带来资源的极大浪费[1]。
目前，用于评价采空区煤炭自然发火的主要方法有：层次分析法[2]、模糊综合评判法[3]、神经网络法[4]、计算机数据采集预测法[5]、熵权未知理论法[6]以及集对分析法[7]。但这些方法都有各自一定的局限性。恰好云模型能够较好的实现指标定性到定量的转化，可以同时兼顾它的的模糊性和随机性，证据理论（D-S）的冲突证据合成方法亦能够很好的处理多个可能发生冲突的数据融合问题[8]，为此，笔者提出一种基于云模型和D-S理论的煤炭自然发火危险性评价方法。
1& 煤炭自然发火危险性评价
煤炭自然发火危险性评价是一个关系复杂的体系，具有很强的随机性和模糊性，它是对自然发火危险性大小的定量和定性的描述。
因此，在煤炭自然发火危险性评价过程中往往需要解决客观存在的以下两类问题：①对于某一种评价指标，仅以其数值为硬性值来划分危险级别是不合理的。如：设X代表吸氧速率，x1=0.3999，x2=0.4001，x1与x2的实测值事实上差别非常小，原因可能是因为测量或舍入误差造成的，结果却被划为两个不同的等级，这显然忽视了划分标准产生的随机问题，很不合理。②假设有m项评价指标，根据实际情况测得某矿它们的真实数据（X1，X2，…，Xm），其中有n种指标的发火危险性等级属于L级，剩下的（m-n）种指标的危险性等级属于K级，那么，该矿的自然发火危险性等级属于哪一级呢？此时产生了冲突和模糊性，如果处理不当，往往会造成融合结果的严重失真[9]。
为解决以上问题，使煤炭自然发火危险性评价更加科学准确，本文引入了云模型和D-S理论的冲突证据合成方法作为理论基础。其中，云模型主要针对解决上述随机性和模糊性问题，D-S理论用于解决冲突问题。
2& 理论基础
2.1 云的定量不确定性转化& 云模型是李德毅院士1995年在传统概率论和模糊数学理论两者结合的基础上提出来的定性定量互换模型。利用云模型，可以把精确数值有效转换为恰当的定性语言值，即定性概念，也可以从语言值表达的定性信息中获得定量数据的范围和分布规律，从而构成不确定概念定性与定量的转换。
设U是一个用数值表示的定量论域，C是U上的定性概念，若定量数值x∈U是定性概念C的一次随机实现，x对C的确定度?滋（x）∈[0，1]是具有稳定倾向的随机数，即?滋：U→[0，1]&&&&& ?坌x∈U，x→?滋（x）
则x在论域U上的分布称为云（cloud），记为C（X）。每一个x称为一个云滴。
云用期望Ex（Expected value）、熵En（Entropy）和超熵He（Hyper entropy）三个数字特征来整体表征一个不确定概念概念。Ex是概念量化的最典型样本，最能够代表定性概念的点，是云的重心位置；En是定性概念的不确定度量，由概念的随机性和模糊性共同决定；He熵的不确定度量，即熵的熵，有熵的随机性和模糊性共同决定。
云模型的数字特征如图1所示，其中假设Ex=0.5，En=0.12，He=0.01，n=5000。
由云的数字特征产生定量数值，称为正向云发生器（forward cloud generator，FCG）；将一些定量数据转换为以数字特征表征的定性概念，称为逆向云发生器（backward cloud generator，BCG），其原理如图2所示[10]。
2.2 基于证据间距离函数的D-S理论冲突证据合成方法& D-S理论属于不确定性的推理方法，也是有效的数据融合方法之一，它是由Dempster首先提出，后由Shafer发展起来的。D-S理论数据融合过程中，由于各项指标数据的来源不同，需要融合的数据之间往往具有很大的冲突，如果合成规则对冲突的处理不当，合成规则产生的结果就不能令人满意，甚至出现严重的失真现象。这里运用Jousselme等人提出的证据间距离函数，充分利用了各个证据之间的相关性，实现了有效的冲突证据合成。
定义Ei和Ej是识别框架D下的两个证据，mi与mj分别为其概率分配函数，则mi与mj的距离可表示为：
d（mi，mj）=■
式中，D为一个2N×2N的矩阵。引入证据距离后，两个证据间的相似度可表示为Sim（mi，mj）=1-d（mi，mj）。
为了计算方便，证据间的相似度也可以直接利用下面的公式来进行计算，即cij=■（1）
相似度一般用来刻画证据间的相似性程度。cij∈[0，1]，它的值越大，说明证据之间的相似性程度越接近，当cij=0时，说明两个证据完全冲突；当cij=1时，说明两个证据完全相同。简便起见，可以用一个相似矩阵表示各个证据间的相似程度，即Sij=■（2）
证据的支持度Sup（mi）是将相似矩阵中与证据有关的所有元素的相似度Crd（mi）（自身的相似度除外）求和得到。可信度是由支持度归一化后得到，可信度表示的是证据mi的可信程度。
支持度Sup（mi）=■cij&& i，j=1，2，…，n（3）
可信度Crd（mi）=■&&& i=1，2，…，n（4）
这里，当某个证据和其他据发生冲突时，其与其他证据的相似度，支持度和可信度都较小，证据合成之后对结果的影响也很小。基于上述的冲突证据合成规则如下：
m（A）=■m（Ai）?Crd（mi）（5）
3& 基于云模型和D-S理论的评价模型
3.1 评价指标体系的建立& 合理的评价指标体系是进行科学准确评价的基础。在建立煤炭采空区自然发火危险性评价指标体系的过程中，应充分考虑了采空区煤的自然倾向性、持续的漏风供氧条件和聚热散热条件对自然发火的影响。依据上述原则，确定采空区煤炭自然发火危险性的评价指标体系，包括：煤的吸氧速率X1、临界温度X2、采空区两侧风压差X3、采空区漏风持续时间X4、采空区遗煤状况X5、采煤倾角X6和区域围岩温度X7。
3.2 评价标准的建立& 根据各个指标的实测数据，传统的评价方法按照表1所示的评价标准，将各项指标的自然发火危险性分为以下四个等级：不自燃（C1级）、可能自燃（C2级）、自燃（C3级）和易自燃（C4级）。针对传统评价标准中以硬性数值划分指标危险等级的模糊性和不合理性，这里利用正态云模型，及结合表1的评价标准，建立各项指标的评价云。
3.3 采空区煤炭自然发火危险性的综合评价流程& 根据上述内容，基于云模型和D-S理论的采空区自然发火评价模型的操作流程如下所示。
第一步：计算各单项指标对应评价等级的云特征值。
例如，指标Xi对应等级Cj这一定性概念可以用云模型表示，云特征值为（E■，E■，H■）。
显然，对于等级C2 和C3，最能代表这一概念的应该是等级区间的中间值，即E■=x■■-x■■/2，x■■和x■■分别为指标Xi对应等级Cj的区间临界值；对于等级C1和C4，单侧有界，则越远离临界值越能代表这一定性概念，鉴于简便原则，规定只要超过临界值一定范围就认为其完全属于这一定性概念，同时规定它们的熵E■等于相邻等级的熵值。
作为两个等级的临界值，应当是一个模糊边界，同时属于上下两个等级，且对两个等级的确定度相等，均为0.5。依据公式（6）计算得到E■=x■■-x■■/2.355。
超熵H■可以根据熵的大小，依据经验反复试验获得，该值越大，云层越厚，反之亦然。
第二步：利用正向云发生器生成各项指标对应评价等级的评价云。对正态云模型而言，正态正向云发生器的算法可表述如下。
输入：数字特征Ex，En，He，生成云滴的个数n；
输出：n个云滴xi及其确定度?滋（xi），（i=1，2，…，n）。
算法步骤：
①生成一个以En为期望值，H■■为标方差的正态随机数yi=RN（En，He）；
②生成一个以Ex为期望值，y■■为标方差的正态随机数xi=RN（Ex，yi）；
③计算?滋i=exp-■（6）
④具有确定度?滋i（xi）的xi成为数域中的一个云滴；
⑤重复步骤（1）到（4），直到产生要求的n个云滴结束生成[10]。
第三步：利用X-云发生器，获取各单一指标对应评价等级的确定度，构成确定度矩阵。
某指标Xi数隶属于某云Cj的确定度?滋ij可通过公式（6）计算得到。
第四步：根据确定度矩阵，利用D-S理论进行数据融合。
将每项评价指标作为一个证据，各项指标的自然发火危险性等级作为它们的焦元，利用基于距离函数的D-S理论冲突证据合成规则，通过公式（1）-（5）进行计算，融合后得到各个自然发火危险等级的综合确定度m（Ci），定义m（Cp）=max{m（Ci）}，则称采空区煤炭自然发火危险性等级的评价结果为Cp级。
4& 应用实例
为了验证基于云模型和D-S证据理论的评价方法的科学可行性，论文参考文献[6]和文献[7]中的评价指标体系和实测数据，对梁家煤矿4110采空区自然发火危险性程度进行评价，并将最终评价结果进行比较，该煤矿各项评价指标实测数据见表2。
依据表2的数据建立各项评价指标的评价云模型，计算各项指标的各个危险等级确定度，得到确定度矩阵，将其归一化后见表3。如以煤的吸氧速率为例，生成的评价云模型如图3所示。图中，横轴是吸氧速率大小的划分，纵轴是确定度，从左至右，第一个半云代表危险程度C1级的概念，依次类推，当吸氧速率大于0.8xl?g-1时，认为完全属于C4级，即确定度恒为1。当给出确定的值X1=0.75时，通过计算获得它属于每一危险等级的精确确定度：
?滋■（X■）≈?滋■，（X■）≈0，?滋■（X■）=0.0796，?滋■（X■）=0.7548。
根据表3的数据，利用基于距离函数的D-S理论冲突证据合成规则进行数据融合，得到结果如表4所示，该结果就是对梁家煤矿4110采空区自然发火危险性等级的综合评价。通过对比，不难看出，本文方法与文献[6]和[7]中所用方法的评价结果基本吻合，梁家煤矿4110采空区自然发火危险性等级同为C4级。
结果表明，基于云模型和D-S证据理论的采空区煤炭自然发火危险性评价模型是可行的，用D-S证据理论的冲突证据合成方法有效的解决了各评价指标之间的冲突关系。因此，这种方法不仅能够准确对采空区自然发火危险性进行评价，而且评价的结果更有说服力。
参考文献：
[1]杨志功，穆守丽.综采放顶煤工作面采空区注氮防灭火工艺的研究[J].煤矿安全，2008（5）：30-34.
[2]刘坤，陈先锋，李萍，等.模糊层次评价在煤矿采空区自然发火中的应用[J].武汉理工大学学报，）：120-133.
[3]张澜涛.基于模糊综合评价的采空区自然发火研究[J].煤矿现代化，）：36-37.
[4]徐杨，周延.煤自燃发火预报的人工神经网络模型[J].西安科技大学学报，）：410-414.
[5]陈全，蒋军成.计算机数据采集系统预测采空区自然发火危险性[J].煤炭工程师，1995（4）：11-13.
[6]张迎新，张克春.基于熵权未确知理论的采空区自燃危险性评价[J].黑龙江科技学院学报，）：439-446.
[7]李同锁，何启林.集对分析在煤炭自然发火危险性评价上的应用[J].中国安全生产科学技术，2013（8）：54-58.
[8]董春游，孟婧.基于云模型和D-S理论的煤矿安全管理评价方法[J].黑龙江科技学院学报，）：496-501.
[9]张峰，张鹏林，吕志勇，等.云模型在城镇空气质量评价中的应用[J].环境科学与技术，2009（6）：160-164.
[10]王国胤，李德毅，姚一豫，等.云模型与粒计算[M].北京：科学出版社，.馆藏&12084
TA的推荐TA的最新馆藏君，已阅读到文档的结尾了呢~~
基于通信系统的铁路信号信息传输的安全性研究
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于通信系统的铁路信号信息传输的安全性研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}