不等权泛平均运算模型研究

泛平均运算模型是为了满足连续值逻辑中逻辑折衷的需求而提出的.鉴于现有的泛平均运算模型描述的是一种理想的等权情况,给出了两种加权算子泛平均运算模型,提出了一种不等权泛平均运算模型及其对偶模型,并指出加权算术平均算子、加权几何平均算子、加权调和平均算子、广义加权平均算子等都是其对偶模型的特例.最后比较了广义加权平均运算模型和不等权泛平均运算模型的异同.     

基于GAT−Informer的采空区煤自燃温度预测模型

现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络（GAT）和Informer模型（GAT−Informer）的采空区煤自燃温度预测模型。首先,采用随机森林回归法和Savitzky−Golay滤波器对采空区沿空侧煤自燃监测数据中的异常值、缺失值和噪声进行处理,并使用Z−score方法对数据进行标准化。其次,采用GAT提取多个监测点煤自燃监测数据间的空间特征。然后,使用Informer模型的编码器对包含空间特征的数据进行编码,利用多头概率稀疏自注意力机制捕捉数据之间的长期依赖关系和时间特征;解码器通过交叉注意力机制与编码器交互,结合编码器提取的全局特征与目标序列的上下文依赖关系,生成特征矩阵并输入全连接层,得到煤自燃温度预测值。最后,对Informer模型输出的煤自燃温度预测值进行反标准化处理,恢复到原始数据尺度,得到最终的预测结果。实验结果表明,相较于循环神经网络（RNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）和Informer模型,GAT−Informer模型在6个监测点上预测24步长煤自燃温度时,均方误差（MSE）分别平均降低了15.70%,22.15%,25.45%,36.49%,平均绝对误差（MAE）分别平均降低了16.01%,14.60%,20.30%,26.27%,表明GAT−Informer模型能有效提高煤自燃温度多步长预测精度。     

泛逻辑控制模型研究

提出了一种基于泛逻辑学中零级泛组合模型的泛逻辑控制器,并根据输入变量数目的不同,设计了一维到四维泛逻辑控制模型结构。由于考虑到输入量之间的广义相关性,泛逻辑控制模型具有较强的通用性和适应能力,针对不同被控对象无须单独设计,是一种具有柔性潜质的智能控制模型。对典型线性和非线性系统的控制实验,证明了模型的有效性和优越性。     

基于多特征的视频场景分类*

针对视频检测效率低下问题,提出了一种基于多特征融合及特征阈值的视频场景分类方法—阈值判定分类法。首先,提取场景视频的平均关键帧。然后,根据其结构化特征以及不同空间结构对场景识别的贡献度对平均关键帧进行划分与重组,得到感兴趣区域及次感兴趣区域;接着,分别提取这两个区域的场景特征,并利用多特征融合技术分别得到两者的综合特征。最后,根据综合特征并利用特征阈值,进行场景动态分类。实验结果表明,该方法充分利用了视频的结构化特征,实验准确率达到80%,在一定程度上证明了该分类方法的有效性。     

煤矿井下视频多目标轨迹跟踪算法研究

为了提高煤矿井下监控视频的目标识别准确率,对运动目标进行有效跟踪,将小波变换和背景差分法相结合,对Camshift算法进行改进,提出了适用于煤矿井下视频多目标轨迹跟踪算法。首先采用小波三层变换对视频图像进行去噪处理,得到低频图像。然后再进行背景差分运算,检测出运动目标。最后采用Camshift算法对运动目标进行跟踪处理。实验结果表明,改进的Camshift算法减少了原始Camshift算法在初始候选目标时的随机性,提高了目标检测和跟踪的准确率,为煤矿的安全生产提供了保证。     

基于TCN-GRU-DAB模型的工作面矿压智能预测研究

为了实现工作面大规模矿压数据的智能分析与准确预测,基于深度学习理论,提出了一种结合时序卷积网络、门控循环单元网络与注意力机制的工作面矿压预测模型(TCN-GRU-DAB)。对工作面矿压历史数据中的异常值、缺失值进行处理并归一化;采用时序卷积网络(TCN)提取处理后数据的时序特征,利用TCN的扩张卷积快速并行地捕获数据局部和长时间的依赖关系;在模型中引入门控循环单元网络(GRU),利用GRU能够捕捉更复杂和深层次信息的能力,对TCN提取的时序特征进行进一步的建模,增强模型对矿压数据动态变化的理解和预测能力;引入可变形注意力机制(DAB)提取空间特征,并使模型在计算资源有限的情况下聚焦于最重要的特征,进一步提升模型的预测能力;选择Nlinear、DLinear、RNN、LSTM、GRU、BiGRU、BiLSTM、Informer等预测模型作为对比模型,在实际数据集上验证TCN-GRU-DAB模型。工程应用结果表明,相较于对比模型,TCN-GRU-DAB模型在矿压数据上的预测精度具有明显优势,能够显著提高工作面矿压预测的泛化能力和预测效率。     

fMRI脑图的感知状态分析——回归模型及其寻优的非同质检验

脑功能核磁共振图像fMRI的特点是定位准确,但信噪比低、数据量大。对fMRI数据的泛回归模型的超参数寻优问题作了分析,提出基于非同质检验的超参数确认方法,重点比较了它在线性和非线性的回归方式（包括岭回归,支持向量回归,Elman递归神经网络）下针对不同外界环境特征的回归能力差异,实验所采用原始数据均来自PBAIC2006,结果表明,该方法在对相关领域知识较少依赖的前提下,具有较好的稳定性和泛化能力;同时在所涉及到的回归方法当中,线性方法的实现简单、有效,在计算代价上低于其他方法,对多种外界特征具有较高的预测能力。     

基于蚁群算法的井下救援路径优化方法

针对火灾背景下煤矿应急救援路径的优化问题,提出了一种基于蚁群算法的井下救援路径优化方法;建立了井下救援路径选择影响因素的层次结构模型,各影响因素按重要程度由高到低排列为CO浓度、瓦斯浓度、风量风速、巷道行走难度和人员综合素质;利用各影响因素的量化值更新蚁群算法信息素,寻找并保存最优路径。仿真结果表明,采用基于蚁群算法的井下救援路径优化方法能够选出最优路径,同时最优解具有较好的收敛性。     

WebGIS控件在矿井通风中的应用

WebGIS是GIS领域关注的热点,文章介绍了WebGIS的概念和优点,讨论了两种基于WebGIS的矿井通风系统的实现方案并加以比较,最后给出了建立在用VC++语言实现的WebGIS ActiveX控件———MMap基础上的矿井通风系统实例。     

基于泛组合运算的分类器融合

本文介绍了一类可用于分类器融合的泛组合逻辑算子,同时作为方法论基础研究了基于案例学习的泛逻辑运算符（算子）构造和选择方法,并以此构造分类器的融合器,实验数据集选择了UCI的spam数据集,并同其他融合方法进行了对比。结果表明本文所述方法具有较低的错误率和相应较高的查全率。