公开(公告)号：CN116882548B

公开(公告)日：2024-05-17

申请号：CN202310710975.2

申请日：2023-06-15

Applicant: 中国矿业大学

Inventor： 王恩元 ,  张国锐 ,  李忠辉

IPC: G06Q10/04 ,  G06Q10/0635 ,  G06Q50/02 ,  G06Q50/26 ,  G06N5/04 ,  G06N7/01

Abstract: 本发明涉及一种基于动态概率推理的掘进巷道煤与瓦斯突出预测方法，属于掘进巷道煤与瓦斯突出灾害预测方法领域。结合井下掘进工作面突出风险影响因素众多，为了使风险变量推理突出风险更为全面准确，构建了13个变量，引入了贝叶斯网络推理中的拓展(动态贝叶斯网络)，提出了将井下相互存在风险联系的掘进工作面看成时间片，实现连续概率推理这一风险预测方案，结合期望最大化算法下的参数学习和模糊集理论下的专家推理决策两种方法，确定初始贝叶斯网络节点概率分布，相互间不存在影响。其结构紧密连贯，预测灵活，准确性高。

公开(公告)号：CN116882548A

公开(公告)日：2023-10-13

申请号：CN202310710975.2

申请日：2023-06-15

Applicant: 中国矿业大学

Inventor： 王恩元 ,  张国锐 ,  李忠辉

IPC: G06Q10/04 ,  G06Q10/0635 ,  G06Q50/26 ,  G06N5/04 ,  G06N7/01

Abstract: 本发明涉及一种基于动态概率推理的掘进巷道煤与瓦斯突出预测方法，属于掘进巷道煤与瓦斯突出灾害预测方法领域。结合井下掘进工作面突出风险影响因素众多，为了使风险变量推理突出风险更为全面准确，构建了13个变量，引入了贝叶斯网络推理中的拓展(动态贝叶斯网络)，提出了将井下相互存在风险联系的掘进工作面看成时间片，实现连续概率推理这一风险预测方案，结合期望最大化算法下的参数学习和模糊集理论下的专家推理决策两种方法，确定初始贝叶斯网络节点概率分布，相互间不存在影响。其结构紧密连贯，预测灵活，准确性高。