一种冲击地压危险性评估方法及平台
技术领域
本发明涉及采矿工程技术领域，具体涉及一种冲击地压危险性评估方法及平台。
背景技术
采矿行为会引发多种动力现象，例如，岩层应力应变、岩体应力释放、甚至产生震动、冲击地压等。为了实现对冲击地压预测和预警的目的，现有技术中通常采用SOS 微震监测系统采集、记录矿震活动监测数据，然后，技术人员根据矿震活动监测数据进行分析，以实现相应的目的。
但是，实践中发现，由于技术人员的水平差别、分析手段匮乏等，造成矿震活动监测数据的利用率低，且缺乏与其它判定指标结合进行综合判定的手段，因此，导致预测和预警的效率和精确度均较低。
发明内容
鉴于此，本发明实施例提供一种冲击地压危险性评估方法及平台，以解决上述技术问题。
为实现上述技术目的，本发明实施例提供一种冲击地压危险性评估方法，其改进之处在于，包括以下内容：
获取上一时间段的多项监测数据以构建人工神经网络，并根据人工神经网络获取下一时间段的预测数据；
根据下一时间段的预测数据构建灰色决策模型，并根据灰色决策模型获取危险性评估结果。
为实现上述技术目的，本发明实施例提供一种冲击地压危险性评估平台，其改进之处在于，包括：
预测模块，用于获取上一时间段的多项监测数据以构建人工神经网络，并根据人工神经网络获取下一时间段的预测数据；
决策模块，用于根据下一时间段的预测数据构建灰色决策模型，并根据灰色决策模型获取危险性评估结果。
本发明由于采取以上技术方案，与现有技术相比，其具有以下优点：
本发明通过上一时间段的多项监测数据构建的人工神经网络，能够对下一时间段的相应数据进行预测，而通过预测的数据构建的灰色决策模型，又能够获取危险性评估结果，可见，通过智能的数据处理和分析既能够有效避免人为因素不确定性的干扰，又能够有效提高对监测数据的利用率，进而能够提高预测和预警的效率和精确度。
本发明操作方便，成本低，可以广泛应用于采矿工程技术领域。
附图说明
图1是本发明的冲击地压危险性评估方法其中一个实施例的原理图；
图2是本发明的冲击地压危险性评估平台其中一个实施例的结构图；
图3是本发明的冲击地压危险性评估方法的日推进度图；
图4是本发明的冲击地压危险性评估方法的每日震动总能量图；
图5是本发明的冲击地压危险性评估方法的每日震动总次数图；
图6是本发明的冲击地压危险性评估方法的每日震动最大能量图；
图7是本发明的冲击地压危险性评估方法的104J以上能量占比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
如图1所示，本发明实施例提供一种冲击地压危险性评估方法，包括以下内容：
获取上一时间段的多项监测数据以构建人工神经网络，并根据人工神经网络获取下一时间段的预测数据；
根据下一时间段的预测数据构建灰色决策模型，并根据灰色决策模型获取危险性评估结果。
显然，通过上一时间段的多项监测数据构建的人工神经网络，能够对下一时间段的相应数据进行预测，而通过预测的数据构建的灰色决策模型，又能够获取危险性评估结果，可见，通过智能的数据处理和分析既能够有效避免人为因素不确定性的干扰，又能够有效提高对监测数据的利用率，进而能够提高预测和预警的效率和精确度。
在一个实施例中，获取上一时间段的多项监测数据以构建人工神经网络，并根据人工神经网络获取下一时间段的预测数据，其中：
可以通过微震监测系统获取上一时间段的多项监测数据以构建人工神经网络。
上一时间段可以是包括预测当日在内的前7日的监测数据，下一时间段可以是以预测当日为基准的下一日，也即是第8日。
人工神经网络可以采用三层BP神经网络，可以将输入层设置4个，隐藏层设置 200个，输出层设置4个。
多项监测数据可以根据需要评估煤矿的实际情况进行选定或设置，本实施例中，为建立适用于砚北煤矿的人工神经网络，设置多项监测数据包括每日震动总能量、每日震动频次、每日震动最大能量和104J以上能量震动次数占比。
在一个实施例中，根据下一时间段的预测数据构建灰色决策模型，并根据灰色决策模型获取危险性评估结果，包括以下内容：
根据下一时间段的预测数据，以及选定的结合判定指标数据构建灰色决策模型。
显然，通过设置为开放环境，能够根据需要与其它判定指标结合进行综合判定，因此，进一步提高了评估结果的准确性。
本实施例中，下一时间段可以是第8日的人工神经网络预测输出的每日震动总能量、每日震动频次、每日震动最大能量和104J及以上能量震动次数占比。
本实施例中，选定的结合判定指标数据可以为生产参量数据，例如，日计划推进度数据(即：根据实际制定的每日计划完成任务量)。
灰色决策模型可以采用灰色变权聚类评价模型，其中，评估结果可以包括：无、弱、中和强。
其中，灰色变权聚类评价模型，包括以下内容：
(1)白化权函数定义
①下限测度白化权函数[-，-，x1，x2]，
②中度测度白化权函数[x1，x2，-，x3]，
③上限测度白化权函数[-，-，x1，x2]，
(2)建立白化权函数
①日推进度
无：f1＝[-，-，0.8，1.6]；弱：f2＝[0.8，1.6，-，2.4]；中：f3＝[1.6，3.2，-，4]；强：f4＝[3.2，4，-，-]。
②每日震动总能量
无：f1＝[-，-，100，1000]；弱：f2＝[100，1000，-，10000]；中：f3＝ [1000，10000，-，100000]；强：f4＝[10000，100000，-，-]。
③每日震动总次数
无：f1＝[-，-，4，8]；弱：f2＝[4，8，-，12]；中：f3＝[8，12，-，16]；强：f4＝[12，16，-，-]。
④每日震动最大能量
无：f1＝[-，-，100，5000]；弱：f2＝[100，5000，-，50000]；中：f3＝ [5000，50000，-，500000]；强：f4＝[50000，500000，-，-]。
⑤104J以上能量占比
无：f1＝[-，-，0.1，0.2]；弱：f2＝[0.1，0.2，-，0.5]；中：f3＝[0.2，0.5，-，0.6]；强： f4＝[0.5，0.6，-，-]。
(3)设定权重值
日推进度w1＝0.35；每日震动总能量w2＝0.10；每日震动总次数w3＝0.25；每日震动最大能量w4＝0.10；104J以上能量占比w5＝0.20。
(4)计算灰色聚类系数
按照
(5)通过
可见，当步骤(2)中的指标分别取值为(3.2，56200，14，15400，0.14)时，σ＝[0.6，1.17，2.22，1.01]，具有中等冲击危险性。
基于同样的发明构思，本发明实施例还提供一种冲击地压危险性评估平台，如图2所示，包括：
预测模块1，用于获取上一时间段的多项监测数据以构建人工神经网络，并根据人工神经网络获取下一时间段的预测数据；
决策模块2，用于根据下一时间段的预测数据构建灰色决策模型，并根据灰色决策模型获取危险性评估结果。
显然，通过上一时间段的多项监测数据构建的人工神经网络，能够对下一时间段的相应数据进行预测，而通过预测的数据构建的灰色决策模型，又能够获取危险性评估结果，可见，通过智能的数据处理和分析既能够有效避免人为因素不确定性的干扰，又能够有效提高对监测数据的利用率，进而能够提高预测和预警的效率和精确度。
在一个实施例中，预测模块1和微震监测系统通信，以获取上一时间段的多项监测数据以构建人工神经网络，进而能够根据人工神经网络获取下一时间段的预测数据；
在一个实施例中，决策模块2和预测模块1通信，以根据下一时间段的预测数据构建灰色决策模型，进而能够根据灰色决策模型获取危险性评估结果。
本实施例中，决策模块2还和外部数据系统通信，以获取选定的结合判定指标数据，进而能够根据下一时间段的预测数据，以及选定的结合判定指标数据构建灰色决策模型。
显然，本领域的技术人员应该明白，上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
