50
传感器与微系统（Transducer and Microsystem Technologies）
2017年第36卷第12期
DOI:10. 13873/J. 10009787(2017)12005004
煤与瓦斯突出强度预测的AFSA-PCA-FCM耦合模型
张美全，蔡冬雷，曾庆春
（辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105）
摘要：针对传统模棚C均值（FCM）聚类算法在预测煤与瓦斯突出强度时不精确的间题，提出了一种基于人工鱼群算法（AFSA）和FCM聚类算法相结合的主成分分析（PCA）筛选的混合新方法。使用AFSA优化FCM聚类算法的初始参数，在公告板中更新AFSA的最优解，从面确定当次的聚类中心，通过PCA找到一个最佳聚类中心。通过无线传感网络系统实时采集井下影响煤与瓦斯突出的主要因索数据作为样本，将预处理后的数据进行分析、建模，并与AFSA-BP，FCM等方法进行比较、讨论。结果表明：对于煤与瓦斯
突出强度的预测，该方法具有较高的准确性、快速性并能够稳定地收敏于全局最优解。关键词：煤与瓦斯突出强度；人工鱼群算法；模糊C均值；预测模型；主成分分析
中图分类号：TP29
文献标识码：A
文章编号：1000-9787(2017)12-0050-04
Coal and gas outburst intensity prediction based on
AFSA-PCA-FCMcouplingmodel ZHANG Mei-jin, CAI Dong-lei, CAO Qing-chun
(Faculty of Electrical and Control Engineering,Liaoning Technical University,Huludao 125105, China) Abstract: Aiming at problem of inaccurate predicting of traditional fuzzy C-means( FCM ) elustering algorithm in coal and gas outburst nonlinear systems high-dimensional multivariate, A new hybrid approach includes an artificial fish swarm algorithm ( AFSA) and FCM clustering algorithm based on principal component analysis screening( AFSA-PCA-FCM) is proposed. The approach uses AFSA to optimize initial parameters of FCM, and update the optimal solution of AFSA in bulletin board, so as to determine cluster center, through principal component analysis ( PCA) algorithm find a best fit of cluster centers, and through wireless sensor networks( WSNs), real-time collect data of the main factors affecting underground coal and gas, the data are used as sample, and the preprocessed data are analyzed,modeling, and then compare the results with AFSA-BP,FCM and other methods, The evaluation results show that,for the prediction of coal and gas outbunst strength, this method has higher accuracy,rapidity,and can stably converge to globally optimal solution.
Key words: coal-gas outburst intensity; artificial fish swarm algorithm ( AFSA) ; fuzzy C means ( FCM); predicted model; principal component analysis( PCA )
9
引言
煤与瓦斯突出是严重影响煤矿安全生产的一种自然灾害。影响突出强度的因索较多，其产生机理也比较复杂，同时井下工作面环境的各种瓦斯影响因素参数传输的实时性、准确性也相对较低，造成了对煤与瓦斯突出强度预测很围难。因而，通过无线传感器网络技术对煤矿工作面环境的数据快速、准确的交换，对煤与瓦斯突出强度的预测有很大的意义。
当前，国内外学者多使用反向传播（backpropagation， BP)神经网络、遗传算法、支持向量机等启发式算法对其进行预测[-8：，为解决该问题提供了思路。上述预测方法应
收稿日期：2016-09-28
用于高维题时存在精确性不高，鲁棒性不好等缺点。
为实现复杂影响因素条件下煤与瓦斯突出强度的预测，提出了种基于主成分分析（principal eomponent analy-sis，PCA）算法筛选的人工鱼群算法（artificial fish swarm algorithm，AFSA）优化模期C均值（fuzzyCmeansFCM）聚类算法。
1
无线传感器网络瓦斯数据传输系统
无线传感器网络瓦斯数据传输系统作为实时交互媒
介，在煤矿运作中发挥着极其重要的作用，由井下众多瓦斯、压力等传感器节点及交换机、井下数据传输总站和井上数据传输主机组成。井下各个工作面的传感器通过无线局