基于钻孔瓦斯涌出规律的突出危险性预测模型

为提高急倾斜煤层上山掘进过程中煤与瓦斯突出危险性预测的准确性,首先,基于Mohr-Coulomb准则建立钻孔瓦斯流动模型;其次,通过数值模拟定量分析钻孔瓦斯初始涌出量和瓦斯压力之间的关系;最后,使用ZTL20/1000-Z型矿用隔爆预测装置对贵州洪兴煤矿111707上山掘进面进行现场试验。结果表明：钻孔初始瓦斯涌出量与瓦斯压力呈正相关关系,其相关系数为0.977 3,钻孔初始瓦斯涌出量可以作为预测煤与瓦斯突出的一项参考指标;随着钻孔深度的增加,钻孔初始瓦斯流量会经历“稳定—增加—降低—稳定”4个阶段,钻孔瓦斯流量峰面积可以反映煤与瓦斯突出危险性。     

基于粗糙集近似的信息熵

粗糙集理论中提出的不确定性测量方法只依赖于一个论域的划分和基数,独立于粗糙集上下近似,而粗糙集理论的基本思想是通过上、下近似来描述不完整或不精确的概念。本文基于粗糙集近似提出了一种新的信息熵函数,并对其单调性问题加以研究。     

基于粗糙集的数据挖掘方法分析

文章从数据挖掘和粗糙集的基本概念出发,研究粗糙集理论在数据挖掘中的典型运用,为大型数据挖掘提供了一种新的方法。基于粗糙集的数据挖掘,首先通过粗糙集理论对数据进行预处理,然后对属性约简,最后进行决策规则提取,寻找最优解。     

基于粗糙集与信息熵的属性重要性度量

阐述了粗糙集和信息熵的概念,在此基础上给出了基于信息熵的属性重要性度量公式,并证明了属性集中绝对必要元素与属性重要度之间的关系.最后,通过实例分析表明该公式的有效性.     

基于粗糙集的数据挖掘的应用研究

粗糙集理论是一种处理不确定和模糊问题的数学工具,它的一系列优点使其特别适合于数据挖掘研究.本文阐述了粗糙集理论及其在数据挖掘中的应用.     

基于粗糙集理论的数据挖掘研究初探

数据挖掘是应用一系列技术从大型数据库或数据仓库的数据中提取人们感兴趣的信息或知识,这些知识或信息是隐含的事先未知而潜在有用的,粗糙集理论是一种处理不确定和模糊问题的数学工具,它的一系列优点使其特别适合于数据挖掘研究．介绍了数据挖掘的概念、特点、任务、分类、要求及研究意义,分析了粗糙集理论的特点、所处理的问题、在数据挖掘中的简单应用,以及粗糙集在数据挖掘中的应用展望等。     

基于ICGSO算法的瓦斯突出预测研究

针对萤火虫群优化(GSO)算法在解决全局优化问题时出现的易陷入局部最优、收敛速度慢、求解精度不高等问题,提出一种改进的混沌萤火虫群优化(ICGSO)算法,修改了GSO算法动态决策域半径更新公式,并采用自适应动态步长,引入混沌优化算法提高局部搜索能力。实验结果表明将ICGSO算法应用于建立在神经网络预测模型上的瓦斯突出预测中的有效性。     

一种基于粗糙集的数据挖掘模型

粗糙集理论是一种处理不确定和不精确问题的数学工具。运用模拟例子通过不同简化层次的算法导出每个层次上的信息集,最后得到规则集来说明如何建立和运用这种数据挖掘模型。     

某矿6.12煤与瓦斯突出事故的处理与分析

煤与瓦斯突出是煤矿井下短时间内发生的一种特殊动力现象，它是煤矿一个重大灾害，针对一起掘进工作面煤与瓦斯突出事故，介绍了事故处理方案的从确定到实施的简要过程，同时分析事故发生原因，并提出预防对策；根据这起在78小时后成功抢险出一名遇险人员的事故处理，首次提出了在突出发生后人员生存条件评估和如何尽可能确定遇险者分布位置，为以后类似事故处理工作提供了借鉴。     

基于粗糙集理论的Web挖掘模型

在电子商务网站的Web日志中，蕴含着大量有价值的信息，利用Web挖掘技术能够有效获取这些信息，这将有助于提高电子商务运营管理的经营决策，在Web挖掘研究过程中，结合Web日志具有的数据量大，不确定等特点，提出了一种基于粗集理论的最小决策模型，运用这一模型，通过对决策表进行知识简化，可以导出简化决策有，最后获得最小解，电子商务系统的决策人员就可以依据得到的最小解，为提供个性化服务进行决策，应用基于粗集理论的数据挖掘方法，对Web日志进行挖掘，已经成为当前研究的热点问题。     

Sand-Dust Storm Ensemble Forecast Model Based on Rough Set

To improve the accuracy of sand-dust storm forecast system, a sand-dust storm ensemble forecast model based on rough set (RS) is proposed. The feature data are extracted from the historical data sets using the self-organization map (SOM) clustering network and single fields forecast to form the feature values with low dimensions. Then, the unwanted attributes are reduced according to RS to discretize the continuous feature values. Lastly, the minimum decision rules are constructed according to the remainder attributes, namely sand-dust storm ensemble forecast model based on RS is constructed. Results comparison between the proposed model and the back propagation neural network model show that the sand-storm forecast model based on RS has better stability, faster running speed, and its forecasting accuracy ratio is increased from 17.1% to 86.21%.     

基于粗糙集的多目标类Bayes粗糙集模型

介绍了两个目标类的决策信息系统中各目标类的Bayes粗糙集模型,并将这一模型推广到具有多目标类的情形.最后讨论了该模型的相关性质,计算实例表明该模型是有效的.     

Rough Set理论在数据挖掘中的应用

Rough Set理论是一种新的处理模糊和不确定信息的数学工具。近20年来，Rough Set理论由于在知识发现等领域的成功应用而受到广泛关注，并得到飞速发展，已成为数据挖掘中的一个很重要的方法。作者讨论了Rough Set理论在数据挖掘过程中的应用，并对Rough Set理论在数据挖掘应用．中存在的问题和挑战提出了自己的见解。     

基于粗糙径向基函数的瓦斯涌出量预测

针对径向基网络对训练样本要求高的情形,将粗糙集和径向基神经网络相结合,提出粗糙径向基神经网络的方法,利用粗糙集对数据进行属性规约,得到适合径向基网络要求的数据,进而提高了其训练速度以及精度。将该方法应用在瓦斯涌出量预测的实验中,并将粗糙径向基神经网络和BP网络的预测结果进行对比,可以得出粗糙径向基网络预测效果比BP的效果好的结论,同时证实该方法的可行性。     

基于Rough set的课程管理信息系统评价

运用粗糙集理论建立了课程管理信息系统的评价模型,使得对教学信息管理的课程评价更加客观,通过实例验证,此模型方法具有实用性、可行性.     

基于粗糙集理论的数据挖掘技术在高校学生成绩分析中的应用

在讨论目前高校教学中存在问题的基础上,简单介绍粗糙集理论及数据挖掘技术。以高校学生成绩为例,提出基于粗糙集理论的数据挖掘技术在高校学生成绩分析中应用的解决方案。     

基于集值信息系统的扩充粗糙集模型

借助于属性集值的相似程度在集值信息系统上定义了一种新的带有参数的优势关系-α-优势关系,并研究了其性质;同时比较了两类优势关系,得到的结论是:只要合理地设置阈值α就可以提高分类的精度,从而提高对数据预测、分类的准确度.