专利名称：：采用模糊模式识别预测隧道瓦斯的方法
技术领域：
：本发明涉及隧道施工
技术领域：
，尤其是一种采用模糊模式识别预测隧道瓦斯的方法。
背景技术：
：目前对瓦斯的预测依然是事后预测，即瓦斯浓度超限才报警，没有提前的预测功能。为此，随着瓦斯监控系统的普及，如何利用瓦斯监控系统的现场监测数据来进行有效的瓦斯异常预警预测，成为当前研究的热点之一。
发明内容本发明的目的是提供一种采用模糊模式识别预测隧道瓦斯的方法，具体是根据瓦斯隧道中瓦斯浓度的现场监测数据的特点进行瓦斯异常预警预测，克服瓦斯状态突变所带来的不安全因素的影响。本发明是一种采用模糊模式识别预测隧道瓦斯的方法，在地面中心站布设计算机、数据通讯接口和分站，在隧道内掌子面、衬砌、加宽带和回风口处监测点分别布设掌子面传感器、衬砌传感器、加宽带传感器和回风口传感器，所述四个监测点分别布设左拱脚传感器、右拱脚传感器和拱顶传感器，所有传感器通过通讯电缆与分站相连接，分站通过传输数据线与通讯接口相连接，数据通讯接口与计算机相连接，其特征在于，包括如下步骤(1)在所述计算机内建立模糊模式识别技术模型；(2)所述各种传感器把所监测到的瓦斯浓度转变成电信号传输给所述分站；(3)所述分站对不同检测部位的瓦斯浓度数据分别进行分析处理，同时将处理后的瓦斯浓度传递给所述计算机；(4)计算机根据瓦斯浓度绘制时间曲线图形，确定曲线图形中3个重要异常点位异常起始点、缓慢上升到快速上升/快速上升到缓慢上升/缓慢下降到快速上升/快速下降到缓慢下降的转折点、峰值点。(5)计算机根据所述时间曲线图形和异常点位确定模糊模式识别技术模型的参数，调用模糊模式识别技术模型对监测到的瓦斯浓度进行预测预报。本发明中异常点是指瓦斯浓度为O.1%的点，缓慢上升到快速上升/快速上升到缓慢上升/缓慢下降到快速上升/快速下降到缓慢下降中"缓慢"、"快速"指的是瓦斯浓度函数曲线中曲率的变化程度，曲率值在00.5之间为"缓慢上升"或者"缓慢下降"；曲率值大于0.5为"快速上升"或者"快速下降"。本发明通过对瓦斯监测数据进行瓦斯监测，对隧道内瓦斯分布趋势进行预警预测，为制定防治瓦斯技术措施提供了参考依据，同时，确保施工人员安全，因此，本发明对瓦斯隧道施工安全具有重要意义。本发明将通过例子并参照附图的方式说明，其中图1是本发明的基本方法逻辑方框图2是掌子面传感器监测到的07.11.20-07.11.26七天的每小时瓦斯监测数据时间曲线图图3是kl6+650监测点左拱脚传感器监测到的07.12.07-07.12.10四天的30次瓦斯监测数据时间曲线图4是K16+993监测点传感器监测到的05.11.19-05.12.13的日平均监测数据时间曲线图具体实施例方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。S卩，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。如图1所示，对某个隧道多个监测点应用模糊模式识别技术对瓦斯分布进行趋势预测预报。本方法中包括的系统在地面中心站布设计算机、数据通讯接口和分站，在隧道内掌子面、衬砌、加宽带和回风口处监测点分别布设掌子面传感器、衬砌传感器、加宽带传感器和回风口传感器，所述四个监测点分别布设左拱脚传感器、右拱脚传感器和拱顶传感器，所有传感器通过通讯电缆与分站相连接，分站通过传输数据线与数据通讯接口相连接，数据通讯接口与计算机相连接。计算机上装有监控测试软件和模糊模式识别技术模型，监测方式选择有1)单点测:分别显示四个监测点掌子面处、衬砌处、加宽带处和回风口处中每个监测点的监测数据;2)分点测可以选择显示任一传感器的监测数据；分站具有对监测点传感器采集到的数据进行分析、处理、屏蔽干扰信息的功能；每个传感器监测相应监测点的瓦斯浓度。在隧道内施工时启动计算机，计算机通过数据通讯接口同时向分站3发送配置、巡检、控制等命令，分站又通过通讯电缆把命令传输给各种传感器，分布在各个监测点的传感器开始对相应监测点的瓦斯浓度进行实时监测，传感器将监测到的瓦斯浓度数据转变成电信号，同时通过通讯电缆传输给分站3，分站将分析处理结果通过数据接口传给计算机，计算完成显示、打印、报警等功能。在本实施例中选取3个监测点的数据来对瓦斯浓度中短期未来状况进行趋势预测预报。3个监测点监测数据所形成的曲线图形如下①掌子面传感器监测到的07.11.20-07.11.26七天的每小时瓦斯监测数据时间曲线图形，其中A左侧为用来建模的实测部分，A右侧为论证建模的实测部分。②kl6+650监测点左拱脚传感器监测到的07.12.07-07.12.10四天的30次瓦斯监测数据时间曲线图形，其中B左侧为用来建模的实测部分，B右侧为论证建模的实测部分。③K16+993监测点传感器监测到的05.11.19-05.12.13的日平均监测数据时间曲线图形，其中C左侧为用来建模的实测部分，C右侧为用来论证建模的实测部分。用模糊模式识别方法对其进行趋势预测，其步骤为(一)特征l:瓦斯浓度值i1，即曲线的幅值，可描述为"低'古，，#13—,J-提取以下几个特征11"中等"Al2禾口"可描述为"下降"3，为异常处曲线出现的尖峰数21'平缓特征2:增量i2，即曲线的增"^22和"上升"A23;特征3:峰值A31_j曲线斜率来度单峰"'32和"多峰"^33，可描述为"无峰"将获得的原始数据依据特征值的提取原则实现原始数据到特征向量的转换，待检样本建模部分的特征向量如下<formula>formulaseeoriginaldocumentpage8</formula>(二)特征参数的模糊化将特征向量根据实验和经验进行模糊划分，确定每个参数的隶属度/^0'二l，2J^=1'2_3)，各特征参数的隶属度划分原则<table>tableseeoriginaldocumentpage8</column></row><table>把各种典型异常的模糊集'用'的隶属函数7的组合来表达，即表达成模糊向量的形式^=(A"M2W3、/^l、/^2、/^3^1'/^2，/^)，每种典型异常的波形都是^z'上的模糊子集，表示如下平缓正常型A=(l,O,O;O丄O;l'O,O)三角正常形=(O，O.，W,O;(U，O)增量正常型^4^=(0山0;0丄0;0X0)增量异常型A=((U，o;oJ，o;i，o，o)多峰异常^根据隶属度的划分原则将其转化为论域里的特征向:■A12#21A22//3310001010000100101053100010001(H)判决准则选择欧氏距离的贴近度作为(二)中所述样本训练集上的判决准则。欧氏贴近度的运算公式如下"04、S)=1_卡」Z(6")-"))'.=i式中Xi为包含的特征，A、B为模糊子集，ua、ub为评判对象因素,根据欧氏贴近度的运算公式计算出的贴近度<table>tableseeoriginaldocumentpage10</column></row><table>这3个实际监测点的监测数据用模糊模式识别作出的未来趋势预测结果分别是平缓正常型、三角正常型和平缓正常型。这个预测结果与样本实测数据相符，样本实测数据图形如A、B、C的右侧部分所示。本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。权利要求1.一种瓦斯预测预报方法，在地面中心站布设计算机、数据通讯接口和分站，在隧道内掌子面、衬砌、加宽带和回风口处监测点分别布设掌子面传感器、衬砌传感器、加宽带传感器和回风口传感器，所述四个监测点分别布设左拱脚传感器、右拱脚传感器和拱顶传感器，所有传感器通过通讯电缆与分站相连接，分站通过传输数据线与数据通讯接口相连接，数据通讯接口与计算机相连接，其特征在于，包括如下步骤(1)在所述计算机内建立模糊模式识别技术模型；(2)所述各种传感器把所监测到的瓦斯浓度转变成电信号传输给所述分站；(3)所述分站对不同检测部位的瓦斯浓度数据分别进行分析处理，同时将处理后的瓦斯浓度传递给所述计算机；(4)计算机根据瓦斯浓度绘制时间曲线图形，确定曲线图形中3个重要异常点位异常起始点、缓慢上升到快速上升/快速上升到缓慢上升/缓慢下降到快速上升/快速下降到缓慢下降的转折点、峰值点；(5)计算机根据所述时间曲线图形和异常点位确定模糊模式识别技术模型的参数，调用模糊模式识别技术模型对监测到的瓦斯浓度进行预测预报。2.根据权利要求l所述的瓦斯预测预报方法，其特征在于，所述模糊模式识别技术模型步骤为(1)提取以下3个特征瓦斯浓度值1、增量？2和峰值"3，其中F〃瓦斯浓度值1，即曲线的幅值，可描述为"低"A"、"中等"^12和"高"〃13;增量F2，即曲线的增量，由曲线斜率来度量，可描述为"下降"^21、"平缓"^22和"上升"A23;峰值j，为异常处曲线出现的尖峰数，可描述为"无峰"、"单峰"1和"多峰"^33;(2)特征参数的模糊化首先依据特征值的提取原则，将获得的时间曲线图形中的原始数据实现原始数据到特征向量的转换，再将特征向量根据实验和经验进行模糊划分，确定每个参数的隶属度"=:U^J=1，2^3)，各特征参数的隶属度划分原则<table>tableseeoriginaldocumentpage3</column></row><table>把各种典型异常的模糊集即表达成模糊向量的形式的隶属函数的组合来表达(4=(^11',M3,/^21，化2，/^23,Al,7^3)，每种典型异常的波形都是J'^'上的模糊子集，表示如下平缓正常型.爿1=(L0'0;0丄0;L0'0)爿i=(l,O,O;O丄O;l,O,O).三角正常形.片ii=(0，0-5，0.5;0;i,0;(U，0)An=(0，0.5，0.5;(U,0;(U，0).增量正常型^4^=(0山0;0丄0;04，0)^4^=(0山0;0丄0;0X0).增量异常型.42=((U，O;(U肌O，O)^2=((U，O;(U肌O，O).多峰异常.爿2=(0，0.5,0.5;0,0.5，0.5;0，(U)爿2=(0，0.5,0.5;0,0.5，0.5;0，(U)(3)判决准则选择欧氏距离的贴近度作为②中所述样本训练集上的判决准则，欧氏贴近度的运算公式<formula>formulaseeoriginaldocumentpage4</formula>式中xi为包含的特征，A、B为模糊子集，uAuB为评判对象因素。全文摘要本发明公开了一种采用模糊模式识别预测隧道瓦斯的方法，该方法根据隧道瓦斯监测数据对瓦斯未来中短期状况进行预测预报，克服以往无法提前进行预测预报的缺陷。本发明通过将监测点传感器监测到的瓦斯浓度数据转变成电信号传输给分站，在分站内进行分析处理，然后在计算机内调用模糊模式识别技术模型对瓦斯监测数据进行趋势预测预报，达到了根据现场瓦斯监测数据对瓦斯进行事前预测的目的。本发明为制定防治瓦斯技术措施提供了参考依据，同时，确保了施工人员安全，因此，本发明对瓦斯隧道施工安全具有重要意义。文档编号E21F17/18GK101603433SQ20091030157公开日2009年12月16日申请日期2009年4月15日优先权日2009年4月15日发明者睿丁,卿三惠申请人:中铁二局股份有限公司