煤與瓦斯突出預(yù)測模糊專家系統(tǒng)
摘 要：利用模糊數(shù)學(xué)與專家系統(tǒng)理論，建立了煤與瓦斯突出預(yù)測模糊專家系統(tǒng)并用于對實際礦井進行檢驗，證明結(jié)果是可信的。
關(guān)鍵詞：煤與瓦斯突出；模糊專家系統(tǒng)
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(fā)生的一種煤和瓦斯突然運動，是一種極其復(fù)雜的動力現(xiàn)象。這種動力現(xiàn)象的出現(xiàn)，給采掘工作面帶來很大的困難和危險。當(dāng)突出發(fā)生時，煤體及所含瓦斯突然地連續(xù)地拋向巷道空間，造成煤流埋人，推倒支架和設(shè)備的事故。當(dāng)拋出的瓦斯氣體具有爆炸性時，如果遇上高溫?zé)嵩矗謺纬赏咚贡?，摧毀整個工作面甚至整個礦井，給礦井生產(chǎn)和工人的生命安全帶來極大的威脅。
到目前為止，對于在各種地質(zhì)、開采條件下突出發(fā)生的規(guī)律還沒有完全掌握。目前的預(yù)測方法有綜合指標法、鉆屑瓦斯解吸指標法、鉆孔瓦斯涌出初速度法、R值指標法、鉆屑指標法等。這些研究主要以現(xiàn)場經(jīng)驗為基礎(chǔ)，對與突出有關(guān)的資料進行總結(jié)，形成一些便于現(xiàn)場應(yīng)用的方法，然后在實踐中不斷改進。由于影響突出的因素較多，各礦區(qū)的地質(zhì)條件也不一樣，因而突出預(yù)測臨界值隨礦井的不同而不同。同時這些突出預(yù)測方法都是來自于現(xiàn)場經(jīng)驗的總結(jié)，還存在著不足之處。
本文擬采用專家系統(tǒng)分析方法對礦井煤與瓦斯突出進行研究，既借助于專家系統(tǒng)能有效表達專家經(jīng)驗的特性，把專家的經(jīng)驗和知識輸入知識庫中，然后仿照專家的思維方式和經(jīng)驗編制推理機，即可實現(xiàn)計算機模擬專家解決問題的思路，根據(jù)不同的條件預(yù)測煤與瓦斯突出，為防治煤與瓦斯突出事故的發(fā)生贏得時間。
1 專家系統(tǒng)簡介
專家系統(tǒng)是人工智能應(yīng)用研究的主要領(lǐng)域，系統(tǒng)的目的是模擬人類專家的推理思維過程，以解決非數(shù)值問題的求解。
一個完整的專家系統(tǒng)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(shù)據(jù)庫和推理機是最基本的部分，知識獲取系統(tǒng)、解釋系統(tǒng)是所有專家系統(tǒng)期望有的三個模塊，但并非不可缺少。
2 預(yù)測煤層突出危險性的主要因素
2.1 煤的破壞類型
地應(yīng)力(包括自重應(yīng)力，構(gòu)造應(yīng)力和采動應(yīng)力)使圍巖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(jié)構(gòu)，孔隙表面性質(zhì)和孔隙大小有關(guān)。
2.3 煤的堅固性系數(shù)(f)
它是利用落錘撞擊煤時，產(chǎn)生的粉塵量表示煤的堅固性的。f與煤的物理強度有關(guān)。這種測定方法是建立在脆性材料破碎時遵循面積力能說的基礎(chǔ)上，即破碎所消耗的功與被破碎物科所增加的面積成正比。
2.4 煤層瓦斯壓力(P)
地應(yīng)力控制瓦斯壓力場，促進瓦斯破壞煤體；圍巖中應(yīng)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志。
2.5 鉆孔的鉆屑量(S)
鉆孔的鉆屑量的多少，與煤體機械強度、地應(yīng)力的大小，瓦斯壓力大小有關(guān)，具有綜合影響的效果。
2.6 鉆孔瓦斯涌出初速度(qm)
鉆孔瓦斯涌出初速度主要受鉆孔周圍地應(yīng)力狀態(tài)的影響，它反映煤層的滲透性、強度、瓦斯壓力、地應(yīng)力等的變化。
3 煤與瓦斯突出預(yù)測模糊專家系統(tǒng)設(shè)計
在廣泛收集、整理與歸納有關(guān)煤與瓦斯突出預(yù)測專家經(jīng)驗和知識的基礎(chǔ)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(xiàn)了知識深度優(yōu)先搜索推理控制策略，并采用確定性理論及模糊推理技術(shù)、推理方法實現(xiàn)了不精確推理過程。開發(fā)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
知識庫是專家系統(tǒng)用于存放事實和規(guī)則的地方，知識庫的建立實際上是解決專家知識和經(jīng)驗的表達問題。建造專家系統(tǒng)的中心任務(wù)是建立知識庫，其關(guān)鍵在于知識的表示，即如何將人類專家的知識和經(jīng)驗表示為計算機能識別、理解和運用的形式。一個專家系統(tǒng)的能力取決于知識庫中知識的數(shù)量和質(zhì)量。
常用的知識表達方式有產(chǎn)生式規(guī)則、框架、邏輯、語義網(wǎng)絡(luò)等。本系統(tǒng)中采用產(chǎn)生式規(guī)則的方式，其形式為：IF(前提條件)THEN(結(jié)論)。(CF)各規(guī)則的結(jié)論部分都附加一定的可信度CF值，稱為規(guī)則強度，其閾值為(0，1)。推理后得出的結(jié)論如果可信度滿足一定的值，即認為結(jié)論成立。否則結(jié)論就不可信或不成立。
例如：
IF煤層構(gòu)造為土狀構(gòu)造、似土質(zhì)煤，AND強度可捻成粉末、疏松；
THEN煤的破壞類型為V型。
知識庫主要是規(guī)則庫、事實庫和解釋庫。
3.2 推理控制策略及推理機
知識表示是專家系統(tǒng)賴以生存的基礎(chǔ)，而推理控制策略則是系統(tǒng)的靈魂，它類似于人類專家運用來源于知識和實踐的一般思維。
推理機的主要任務(wù)就是選擇知識和運用知識。一般是利用搜索法反復(fù)從復(fù)雜的系統(tǒng)中找出需要的知識。搜索策略集中于研究對經(jīng)常用來描述問題領(lǐng)域的網(wǎng)絡(luò)或樹形結(jié)構(gòu)進行搜索的方法，目前專家系統(tǒng)使用的搜索技術(shù)很多，常用的有廣度優(yōu)先搜索和深度優(yōu)先搜索。
推理機由推理控制程序和黑板程序和黑板構(gòu)成，控制程序負責(zé)處理推理結(jié)構(gòu)和控制推理去向，黑板則用于保存這些中間結(jié)果。需保存的中間結(jié)果主要有當(dāng)前使用的規(guī)則，已用過的規(guī)則，可用規(guī)則以及當(dāng)前規(guī)則執(zhí)行情況等，本系統(tǒng)推理機采用的搜索算法為深度優(yōu)先搜索算法。
推理機用Visual Foxpro數(shù)據(jù)庫管理語言，用面向?qū)ο蠓椒?a href=http://m.cltuan.cn/sjsm/ target=_blank class=infotextkey>設(shè)計，其消息結(jié)構(gòu)及其實例對象如表1示。
表1 推理機的消息結(jié)構(gòu)
MBBH
MBMS
JDK
SSK
JSK
ZT
STEP
BELOVER
JD_1
煤與瓦斯突出預(yù)測
Data＼jd.dbf
Data＼ss.dbf
Data＼js.dbf
6
2
0.94
表中MBBH：推理目標在規(guī)則中的編號；MBMS：對推理目標的描述；JDK：該目標所在規(guī)則庫名；SSK：與該規(guī)則庫JDK對應(yīng)的事實庫名；JSK：與該規(guī)則庫JDK對應(yīng)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(jié)果；BELOVER：可行度。
推理機中除ZT為輸出消息外，其余均為輸入消息。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(shù)向推理機發(fā)消息，推理機即對突出預(yù)測這一目標進行推理，調(diào)用程序可從ZT消息中取得推理結(jié)果。
3.3 煤與瓦斯突出預(yù)測模糊專家系統(tǒng)的不精確推理
除了推理機外，本系統(tǒng)還采用了確定性理論處理煤與瓦斯突出預(yù)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(tǒng)一的模式。為了進行不確定性推理，人們已經(jīng)提出了不少模型，如主觀Bayes方法，確定性理論和證據(jù)理論等。專家系統(tǒng)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于模糊技術(shù)的推理方法。
知識的不確定性描述在基于規(guī)則的專家系統(tǒng)中，其形式為：
R：IF E THEN Hi WITH CF(E，Hi)
其中E為規(guī)則的前提條件，Hi為規(guī)則的結(jié)論部分，各規(guī)則都附加一定的可信度CF(E，Hi)值，稱為規(guī)則強度。
CF (E，Hi)的定義為：
由(1)式可以看出：若P(Hi/E)=1，即前提E為真時，結(jié)論Hi為真，則CF(E，Hi)=1；若P(
證據(jù)的不確定性問題反映了證據(jù)E被肯定的程度，當(dāng)證據(jù)E為真時，則CF(E，Hi)=1，若E肯定為假時，則取CF(E，Hi)=-1；當(dāng)證據(jù)E一無所知時，CF(E，Hi)=0，這就是證據(jù)的三位元。當(dāng)證據(jù)E以某種程度為真時，則0＜CF(E，Hi)＜1，反之-1＜CF(E，Hi)＜0.原始證據(jù)的CF(E)是系統(tǒng)在運行時由用戶憑經(jīng)驗提供。而非原始證據(jù)的CF(E)則由不確定性推理的更新算法導(dǎo)出。
在CF模型中，不確定性推理的過程一般為：首先，由領(lǐng)域?qū)＜医o出推理規(guī)則(R：IE E THEN Hi)及每條規(guī)則的強度CF(E，Hi)，并將推理網(wǎng)絡(luò)中每個命題的不確定性值(單位元)均設(shè)置為零，然后系統(tǒng)開始運行，用戶輸入原始證據(jù)及其不確定性值CF(E1，E)，系統(tǒng)依不確定性更新算法將原始證據(jù)不確定性值沿推理網(wǎng)絡(luò)向下傳播給非原始證據(jù)，直至求出最終結(jié)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(jié)論斷言Hi的可信度更新過程為：
CF(Hi)=CF(E, Hi)·max｛0,CF(E)｝ (2)
2 規(guī)則組合的可信度更新：
當(dāng)從多條規(guī)則分別可推出某一結(jié)論Hi時：
在兩條規(guī)則的綜合作用下，Hi 的可信度CF(Hi)：
當(dāng)有多個具有同一結(jié)論斷言Hi的規(guī)則被啟用時，將反復(fù)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(jù)黑板上記錄的當(dāng)前執(zhí)行規(guī)則，到解釋庫中尋找該規(guī)則對應(yīng)的解釋，并調(diào)用相應(yīng)的解釋處理程序，作出解釋。
系統(tǒng)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
采用本系統(tǒng)對貴州某礦幾個掘進工作面進行推理，結(jié)果如表2所示：
表2 推理結(jié)果
編號
推理結(jié)果
實際結(jié)果
1
突出危險可信度0.9
發(fā)生瓦斯噴出
2
突出危險可信度0.93
發(fā)生煤與瓦斯突出
3
突出危險可信度0.4
未發(fā)生突出
推理結(jié)果與實際結(jié)果表明，采用本系統(tǒng)推理的結(jié)果與實際發(fā)生情況是相符的，證明本系統(tǒng)的運行是可靠的，在對掘進工作面進行突出危險預(yù)測時，可以采用本系統(tǒng)進行預(yù)測。
5 小 結(jié)
采用模糊專家系統(tǒng)來進行煤與瓦斯突出預(yù)測是對煤與瓦斯突出預(yù)測的一次嘗試，本系統(tǒng)所開發(fā)的推理程序是一通用的推理控制模塊，只要對知識庫、事實庫、解釋庫進行合理的組織，有望用于其他采礦系統(tǒng)。
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事故的調(diào)查與分析［J］.貴州工業(yè)大學(xué)學(xué)報，2001，20(1)：49-51.
［2］ 吳桂義，況禮澄，等.礦井回采工作面開采工藝方式選擇專家系統(tǒng)［J］.中國礦業(yè)，1999，8(3)：36-38.
［3］ 劉勇，吳桂義，等.貴州省礦井高產(chǎn)高效決策支持系統(tǒng)研究報告［R］.貴陽：貴州工業(yè)大學(xué)采礦系，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
