吳學(xué)輝

　?。ㄟ\(yùn)城學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，山西 運(yùn)城 044000）

        摘要： 針對(duì)煤礦瓦斯災(zāi)害，提出了將粗糙集理論應(yīng)用于煤礦瓦斯預(yù)警。首先用粗糙集理論對(duì)樣本數(shù)據(jù)進(jìn)行屬性約簡(jiǎn)，找出影響和控制瓦斯的關(guān)鍵屬性，然后對(duì)生成的決策規(guī)則進(jìn)行約簡(jiǎn)，最后建立煤礦瓦斯預(yù)警模型。通過實(shí)際應(yīng)用證實(shí)了該模型是有效的。

　　關(guān)鍵詞：粗糙集;屬性約簡(jiǎn);決策規(guī)則

　　中圖分類號(hào)：TP182文獻(xiàn)標(biāo)識(shí)碼：ADOI： 10.19358/j.issn.1674-7720.2017.06.026

　　引用格式：吳學(xué)輝. 粗糙集理論在煤礦瓦斯預(yù)警中的應(yīng)用研究［J］.微型機(jī)與應(yīng)用，2017,36（6）：86-88.

0引言

　　煤礦瓦斯又稱煤層瓦斯，是煤礦生產(chǎn)中的有害因素，它不僅污染空氣，而且當(dāng)空氣中的瓦斯含量為5%~16%時(shí)，遇火即會(huì)引起爆炸，造成事故。雖然決策樹、神經(jīng)網(wǎng)絡(luò)、灰色預(yù)測(cè)技術(shù)等用于煤礦瓦斯預(yù)警中取得了比較好的效果，但是仍然有許多需要改進(jìn)和完善的地方。

　　粗糙集理論是由波蘭教授PAWLAK Z提出的一種數(shù)據(jù)挖掘新方法［12］。它是一種處理不確定、不完全、不一致信息的有效工具，其核心思想是利用已有的知識(shí)庫近似刻畫不確定或不精確的知識(shí)，因此將粗糙集理論引入煤礦瓦斯預(yù)警，可以發(fā)現(xiàn)隱藏的事故發(fā)生機(jī)制和誘因，導(dǎo)出分類規(guī)則，為煤礦安全生產(chǎn)提供預(yù)警。

1粗糙集相關(guān)理論

　　本文研究中所涉及的粗糙集相關(guān)理論如下：

　　定義1一個(gè)信息系統(tǒng)S可表示為：S=<U,R,V,f>。其中:U為對(duì)象的集合；R=C∪D，C為條件屬性集合，D為決策屬性集合；V=∪Vr，Vr表示屬性r∈R的值域；f:U×R→V是一個(gè)信息函數(shù)。

　　定義2(上近似、下近似)令XU，則RX稱為X關(guān)于R的上近似，表示為：

　　RX=∪{［x］R∈U/R|［x］R∩X≠}

　　RX稱為X關(guān)于R的下近似，表示為：

　　RX=∪{［x］R∈U/R|［x］RX}

　　定義3(邊界、正域、負(fù)域)定義集合X相對(duì)于R的邊界域?yàn)锽NG(X)=RX-RX；集合X相對(duì)于R的正域POSR(X)= RX；集合X相對(duì)于R的負(fù)域BNG(X)=U-RX。

　　定義4(屬性核)當(dāng)R是獨(dú)立的，且PR，則P也是獨(dú)立的。當(dāng)Q獨(dú)立，且IND(P)=IND(Q)，QP為P的簡(jiǎn)化，雖然P可以有多種簡(jiǎn)化。P中所有不可省略關(guān)系的集合稱為P的核，記為COREQ(P)。其中COREQ(P)=∩REDQ(P)，P的所有Q約簡(jiǎn)關(guān)系簇為REDQ(P)。

　　定義5(關(guān)系獨(dú)立、關(guān)系依賴)設(shè)S=<U,R,V,F>其中P、R為屬性，P∈R,IND(R)=IND(R－{P}}，則稱P在R中是可缺的，否則稱P在R中就是不可缺的，如果R中的每個(gè)知識(shí)都是不可缺的，則稱R是獨(dú)立的，否則就是依賴的。

2粗糙集預(yù)測(cè)模型的構(gòu)建

　　利用粗糙集理論進(jìn)行數(shù)據(jù)推理，首先把相關(guān)數(shù)據(jù)整理為信息表的格式，建立相應(yīng)的特征數(shù)據(jù)庫。知識(shí)庫中有條件屬性和決策屬性，然后對(duì)條件屬性進(jìn)行約簡(jiǎn)得到最簡(jiǎn)規(guī)則，最后對(duì)決策規(guī)則再進(jìn)行約簡(jiǎn)，得到預(yù)測(cè)模型［3］。

　　2.1屬性約簡(jiǎn)

　　屬性約簡(jiǎn)是利用約簡(jiǎn)算法從條件屬性中找出對(duì)決策屬性影響最大的屬性［4］。約簡(jiǎn)算法主要有盲目法和啟發(fā)式約簡(jiǎn)算法。由于前者采用窮盡搜索策略，所需要的時(shí)間和空間代價(jià)較高，實(shí)際約簡(jiǎn)主要采用后者。啟發(fā)式約簡(jiǎn)算法中最經(jīng)典的是基于Skowron差別矩陣屬性約簡(jiǎn)算法，算法描述如下［56］：

　　輸入：決策表；

　　輸出：條件屬性C相對(duì)于決策屬性D的一個(gè)約簡(jiǎn)B

　?。?）求出差別矩陣Mm×n；

　?。?）求決策表的相對(duì)核CORED（C）；令B= CORED（C）；

　　（3）對(duì)于任意Cij,i,j=1,2,…,n，如果Cij∩B≠，則Cij=；

　?。?）對(duì)于任意Cij,i,j=1,2,…,n，如果Cij=，則轉(zhuǎn)至步驟（6），否則轉(zhuǎn)至步驟（5）；

　?。?）統(tǒng)計(jì)差別矩陣中每個(gè)屬性出現(xiàn)的次數(shù)，然后選出出現(xiàn)次數(shù)最多的元素am，令B=B∪{ am}，轉(zhuǎn)到步驟（3）；

　?。?）輸出B。

　　2.2決策規(guī)則約簡(jiǎn)

　　屬性約簡(jiǎn)是數(shù)據(jù)約簡(jiǎn)的一部分，經(jīng)過屬性約簡(jiǎn)的數(shù)據(jù)依然存在數(shù)據(jù)冗余［78］。決策規(guī)則約簡(jiǎn)就是利用決策邏輯對(duì)決策規(guī)則的不必要條件進(jìn)行約簡(jiǎn)，從而進(jìn)一步簡(jiǎn)化決策規(guī)則［9］。

　　決策規(guī)則約簡(jiǎn)思想簡(jiǎn)述為：對(duì)于每一條決策規(guī)則，去掉該規(guī)則中的任意條件屬性，如果決策表保持一致，則該屬性可以去掉，否則予以保留，最終決策表中的每一行對(duì)應(yīng)一條決策規(guī)則［10］。

　　2.3預(yù)測(cè)模型結(jié)構(gòu)圖

　　綜上所述，抽取關(guān)鍵步驟，最終建立的煤礦瓦斯預(yù)警模型如圖1所示。

3實(shí)驗(yàn)結(jié)果與分析

　　應(yīng)用地點(diǎn)選定為山西同煤集團(tuán)下屬的潘家窯煤礦，瓦斯監(jiān)測(cè)數(shù)據(jù)全部來自于該煤礦日常監(jiān)測(cè)數(shù)據(jù)。

　　3.1信息表的形成

　　傳感器監(jiān)測(cè)的指標(biāo)共有16項(xiàng)，包括掘進(jìn)工作面瓦斯?jié)舛取⒚簩訙囟?、煤層含水量、煤層瓦斯壓力、開采速度、煤層透氣性系數(shù)、煤層破碎性綜合特征系數(shù)、層間滑動(dòng)綜合系數(shù)、煤層及煤厚變化綜合特征系數(shù)等。為了提高預(yù)測(cè)的準(zhǔn)確率，把記錄中的數(shù)據(jù)過少的記錄合并到相關(guān)的狀態(tài)特征向量中，在這些狀態(tài)特征中，取出8個(gè)特征狀態(tài)作為條件屬性，分別為Con1、Con2、Con3、Con4、Con5、Con6、Con7、Con8,對(duì)其采用平均離散化方法劃分為低、中、高檔，分別用數(shù)值1、2、3表示。決策屬性用D來表示，屬性取值為1、2、3、4分別表示為不突出、突出威脅、一般突出、嚴(yán)重突出。

　　3.2屬性約簡(jiǎn)

　　實(shí)驗(yàn)采用啟發(fā)式Skowron差別矩陣屬性約簡(jiǎn)算法，約簡(jiǎn)后的決策表如表1所示。

　　從約簡(jiǎn)結(jié)果可以看出，屬性2、3、5、7是核屬性，對(duì)決策屬性是必要的。其中：K破碎（屬性2）為煤體破碎性綜合特征系數(shù)；K層滑（屬性3）為層間滑動(dòng)綜合系數(shù)；K煤厚（屬性5）為煤厚及煤厚變化綜合特征系數(shù)；λ（屬性7）為煤的透氣性系數(shù)。

　　3.3規(guī)則約簡(jiǎn)

　　對(duì)表1采用基于二進(jìn)制可辨矩陣的決策規(guī)則約簡(jiǎn)，得到最終的決策規(guī)則集如表2所示。對(duì)表2的決策規(guī)則集解釋如下：（1）如果煤體破碎性綜合特征系數(shù)為中，層間滑動(dòng)綜合系數(shù)為低，煤的透氣性系數(shù)為高，則煤礦瓦斯預(yù)警結(jié)果為不突出。（2）如果煤體破碎性綜合特征系數(shù)為低，層間滑動(dòng)綜合系數(shù)為高，煤的透氣性系數(shù)為低，則煤礦瓦斯預(yù)警結(jié)果為一般突出。（3）如果煤體破碎性綜合特征系數(shù)為低，層間滑動(dòng)綜合系數(shù)為低，煤的透氣性系數(shù)為低，則煤礦瓦斯預(yù)警結(jié)果為嚴(yán)重突出。（4）如果煤體破碎性綜合特征系數(shù)為高，層間滑動(dòng)綜合系數(shù)為中，煤的透氣性系數(shù)為中，則煤礦瓦斯預(yù)警結(jié)果為不突出。（5）如果煤體破碎性綜合特征系數(shù)為中，層間滑動(dòng)綜合系數(shù)為低，煤的透氣性系數(shù)為低，則煤礦瓦斯預(yù)警結(jié)果為嚴(yán)重突出。

4結(jié)論

　　本文研究了將粗糙集應(yīng)用于煤礦瓦斯預(yù)警，并建立相應(yīng)的預(yù)測(cè)模型。首先利用粗糙集對(duì)決策表中的條件屬性進(jìn)行約簡(jiǎn)，然后對(duì)約簡(jiǎn)后的決策表進(jìn)行規(guī)則約簡(jiǎn)，提取規(guī)則，最終建立瓦斯瓦斯預(yù)測(cè)模型，并將其應(yīng)用于煤礦瓦斯預(yù)警，取得了很好的效果。

　　參考文獻(xiàn)

　?。?］ QUINLAN J R.Induction of decision trees［J］.Machine Learning,1986(1):81-106.

　　［2］ ZIARKO W. Variable precision rough set model［J］.Journal of Computer and System Sciences,1993,46(1):39-59.

　?。?］ 余承依,李進(jìn)金.基于依賴空間的變精度粗糙集屬性約簡(jiǎn)［J］.模式識(shí)別與人工智能,2014,12(8):1216.

　　［4］ 徐菲菲,畢忠勤,雷景生.基于聯(lián)合屬性重要度的決策風(fēng)險(xiǎn)最小化屬性約簡(jiǎn)［J］.計(jì)算機(jī)機(jī)科學(xué)，2016,43(6A):40-43.

　　［5］ 李建林,姚一豫,聶明,邊長(zhǎng)生.基于粗糙集理論的高校教師教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)研究［J］.計(jì)算機(jī)應(yīng)用與軟件,2014,45(3):45-47.

　?。?］ 趙潔,梁俊杰,董振寧,等.位運(yùn)算和核屬性快速識(shí)別下的粗糙集屬性約簡(jiǎn)算法研究［J］.小型微型計(jì)算機(jī)系統(tǒng),2015,11(2):155-156.

　?。?］ 陸悠.一種面向增刪操作的粗糙集屬性約簡(jiǎn)更新算法［J］ 南京師大學(xué)報(bào)(自然科學(xué)版),2015,32(8):23-25.

　?。?］ 張濤濤,薛曄.基于粗糙集屬性約簡(jiǎn)方法的煤礦瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)指標(biāo)體系［J］.煤礦安全,2014,45（1）:80-86.

　?。?］ 吳尚智.粗糙集和信息熵的屬性約簡(jiǎn)算法及其應(yīng)用［J］.計(jì)算機(jī)工程,2011,37(7):56-61.

　?。?0］ 翟俊海,王熙照,張滄生.基于粗糙集技術(shù)的決策樹歸納［J］.計(jì)算機(jī)工程與應(yīng)用,2009,45(11):45-47.