·1312· 工程科学学报，第40卷，第11期 小于临界样本时发生危险的可能性小.煤与瓦斯 出初速度、瓦斯压力、瓦斯放散初速度、煤体的坚固 突出预测指标之间具有灰色的特性，但和一般的 性系数、构造煤厚度、断层构造复杂度6个评价指标 工程数据分析不同的是，只有当预测样本等于或 的权重向量为：w=(0.2933,0.2209,0.1383, 大于临界值时，才有发生突出的可能性，故在此用 0.1361,0.1109,0.0993)' 灰色关联分析时，对各个预测指标的极大值进行 计算得知，加权关联度矢量为R=w=(R, 灰色关联度分析.在已掘进完成的工作面中，根据 R2,R3,R4,R5,R6,R7,Rg,Rg,R0,R11,R2,R3,R4, 瓦斯地质条件、指标异常情况及实际发生的动力 R15,R16,R17,R18,R19,R20,R21,R2,R23,R24,Rx)'= 现象挑选了25组有代表性的数据，作为训练样 (0.5538,0.4999,0.7074,0.6663,0.4550,0.5320 本，对突出危险性进行划分，并对25组样本依次 0.6205,0.3907,0.3959,0.3915,0.5311,0.5150, 编号为1~25.利用基于网络分析法(ANP)改进 0.509,0.4890,0.5909,0.5925,0.5432,0.5686, 后的灰色关联分析把样本集分成若干类，即建立 0.5650,0.6098,0.5365,0.3956,0.3834,0.3852, 突出危险性类别识别库. 0.3661)'根据计算出来的结果对上述25组试验数 在实际问题中，由于不同指标具有不同的量 据样本进行突出极大值加权关联度R,分析，将突出 纲，这会对分析计算产生较大的影响，为了消除此 可能性等级划分为：有突出倾向性>0.50、无突出倾 缺点，在分析之前需要根据不同类指标应用不同 向性<0.50.25组数据样本根据加权关联度的大小 的规范化方法，把其化为隶属于[0,1]区间的极大 依次排列至表格，具体如表3所示 型指标： 2.3突出可能性类别的判定 根据各突出类别的数据特征，利用多类别距离 F-Fo maxF (3) 判别法对灰色关联分析法的输出端进行改进，得出 突出危险性类别判别式，对待预测样本进行突出类 式中，F:表示指标F经过规范后的值，F,泛指未经 型判别. 处理过的指标，i取值范围为1~25的正整数，j取值 由上述计算可以知道指标个数为6，两类总体 范围为1~6的正整数；F表示分析同类指标中的 的样本总数为Q=25,有无突出倾向性两个类别样 最大值；maxF表示取最大值，k取值范围为1~25 本个数分别为Q,=15、Q2=10,其中第i组样本向 的正整数. 量为X=(q,P:,△p,f,h,g:)',9,P,p,f, 根据灰色关联分析理论，以试验样本与最优样 h:,g:分别对应第i组的相应指标 本之间的关联度作为评价指标的准则.设相对最优 计算有突出倾向性样本均值向量为b:,无突出 指标为o=(Fo1,Fm,…,Fon),n为1~6的正整 倾向性样本均值向量为b2 数，在经过规范化后有o=(1,1,…,1),评价样 b1=(1.0327,9.1907,13.8360, 本，的评价指标和最优样本案，的评价指标之间 0.5327,0.5700.1.3400)' 的灰色关联度为r,即： b2=(0.4250,3.0930,9.8560, o maxmaxIF;-11 0.3080.0.2900.0.7940)' o=TFy-11+maxmaxIF-11 (4) 计算样本的协方差 其中，p表示分辨系数，此处取值为0.5. 1 (7) 根据上述计算可以得到评价样本构成的m×n 三=0-25，+s,) 灰色关联度矩阵r: 其中，S,= 龙x-A-x-Ars=Σ(x- ru b2)(X-b2)' r= 5 计算得： 2= n为1~6的正整数，m为1~25的正整数 0.16 0.17 -0.17 -0.04 -0.030.01 n个评价指标之间的权重向量为w=（01,02, 0.17 8.70 -0.53 -0.05 0.22 0.06 …,wn)',则评价样本u:与最优样本。加权关联度 -0.17 -0.5314.15 0.07 0.18 0.45 的关联矢量为R -0.04 -0.05 0.07 0.04 0.01 0.01 R=w=(R1,R2,…,Rm)' (6) -0.030.220.18 0.01 0.04 0.02 根据网络分析法得出指标敏感度，得到瓦斯涌 0.01 0.06 0.45 0.01 0.020.16工程科学学报,第 40 卷,第 11 期 小于临界样本时发生危险的可能性小. 煤与瓦斯 突出预测指标之间具有灰色的特性,但和一般的 工程数据分析不同的是,只有当预测样本等于或 大于临界值时,才有发生突出的可能性,故在此用 灰色关联分析时,对各个预测指标的极大值进行 灰色关联度分析. 在已掘进完成的工作面中,根据 瓦斯地质条件、指标异常情况及实际发生的动力 现象挑选了 25 组有代表性的数据,作为训练样 本,对突出危险性进行划分,并对 25 组样本依次 编号为 1 ~ 25. 利用基于网络分析法( ANP) 改进 后的灰色关联分析把样本集分成若干类,即建立 突出危险性类别识别库. 在实际问题中,由于不同指标具有不同的量 纲,这会对分析计算产生较大的影响,为了消除此 缺点,在分析之前需要根据不同类指标应用不同 的规范化方法,把其化为隶属于[0,1]区间的极大 型指标: F忆ij = Fij F0j = Fij max k Fkj (3) 式中,F忆ij表示指标 Fij经过规范后的值,Fij泛指未经 处理过的指标,i 取值范围为 1 ~ 25 的正整数,j 取值 范围为 1 ~ 6 的正整数;F0j表示分析同类指标中的 最大值;max k Fkj表示取最大值,k 取值范围为 1 ~ 25 的正整数. 根据灰色关联分析理论,以试验样本与最优样 本之间的关联度作为评价指标的准则. 设相对最优 指标为 u0 = (F01 , F02 ,… , F0n ),n 为 1 ~ 6 的正整 数,在经过规范化后有 u0 = (1, 1,…, 1),评价样 本 ui的评价指标和最优样本案 u0 的评价指标之间 的灰色关联度为 rij,即: rij = 渍 max i max j | Fij - 1 | | Fij - 1 | + 渍 max i max j | Fij - 1 | (4) 其中,渍 表示分辨系数,此处取值为 0郾 5. 根据上述计算可以得到评价样本构成的 m 伊 n 灰色关联度矩阵 r: r = r11 … r1n 左 埙 左 rm1 … r æ è ç ç ç ö ø ÷ ÷ ÷ mn = (rij) m 伊 n (5) n 为 1 ~ 6 的正整数,m 为 1 ~ 25 的正整数. n 个评价指标之间的权重向量为 w = (w1 , w2 , … ,wn )忆,则评价样本 ui与最优样本 u0加权关联度 的关联矢量为 R R = rw = (R1 , R2 , …, Rm )忆 (6) 根据网络分析法得出指标敏感度,得到瓦斯涌 出初速度、瓦斯压力、瓦斯放散初速度、煤体的坚固 性系数、构造煤厚度、断层构造复杂度 6 个评价指标 的 权 重 向 量 为: w = ( 0郾 2933, 0郾 2209, 0郾 1383, 0郾 1361,0郾 1109,0郾 0993)忆 计算得知,加权关联度矢量为 R = rw = ( R1 , R2 ,R3 ,R4 ,R5 ,R6 ,R7 ,R8 ,R9 ,R10 ,R11 ,R12 ,R13 ,R14 , R15 ,R16 ,R17 ,R18 ,R19 ,R20 ,R21 ,R22 ,R23 ,R24 ,R25 )忆 = (0郾 5538,0郾 4999,0郾 7074,0郾 6663,0郾 4550,0郾 5320, 0郾 6205, 0郾 3907, 0郾 3959, 0郾 3915, 0郾 5311, 0郾 5150, 0郾 509, 0郾 4890, 0郾 5909, 0郾 5925, 0郾 5432, 0郾 5686, 0郾 5650, 0郾 6098, 0郾 5365, 0郾 3956, 0郾 3834, 0郾 3852, 0郾 3661)忆根据计算出来的结果对上述 25 组试验数 据样本进行突出极大值加权关联度 Ri分析,将突出 可能性等级划分为:有突出倾向性 > 0郾 50、无突出倾 向性 < 0郾 50. 25 组数据样本根据加权关联度的大小 依次排列至表格,具体如表 3 所示. 2郾 3 突出可能性类别的判定 根据各突出类别的数据特征,利用多类别距离 判别法对灰色关联分析法的输出端进行改进,得出 突出危险性类别判别式,对待预测样本进行突出类 型判别. 由上述计算可以知道指标个数为 6,两类总体 的样本总数为 Q = 25,有无突出倾向性两个类别样 本个数分别为 Q1 = 15、Q2 = 10,其中第 i 组样本向 量为 Xi = (qi, pi, 驻pi, f i, hi, gi)忆,qi, pi, 驻pi, f i, hi, gi分别对应第 i 组的相应指标. 计算有突出倾向性样本均值向量为 b1 ,无突出 倾向性样本均值向量为 b2 . b1 = (1郾 0327,9郾 1907,13郾 8360, 0郾 5327,0郾 5700,1郾 3400)忆 b2 = (0郾 4250,3郾 0930,9郾 8560, 0郾 3080,0郾 2900,0郾 7940)忆 计算样本的协方差 ^撞 = 1 Q - 2 (S1 + S2 ) (7) 其中,S1 = 移 15 1 (Xi - b1 )·(Xi - b1 )忆,S2 = 移 10 1 (Xi - b2 )·(Xi - b2 )忆. 计算得: ^撞 = 0郾 16 0郾 17 - 0郾 17 - 0郾 04 - 0郾 03 0郾 01 0郾 17 8郾 70 - 0郾 53 - 0郾 05 0郾 22 0郾 06 - 0郾 17 - 0郾 53 14郾 15 0郾 07 0郾 18 0郾 45 - 0郾 04 - 0郾 05 0郾 07 0郾 04 0郾 01 0郾 01 - 0郾 03 0郾 22 0郾 18 0郾 01 0郾 04 0郾 02 æ è ç ç ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ÷ ÷ 0郾 01 0郾 06 0郾 45 0郾 01 0郾 02 0郾 16 ·1312·