1、第 卷 第 期 年 月中国安全科学学报 中文引用格式：邓立军，尚文天，刘剑，等 基于 与 的风门开闭阶段识别方法中国安全科学学报，（）：英文引用格式：，（）：基于 与 的风门开闭阶段识别方法邓立军，副教授，尚文天，刘 剑，教授，周煜凯，宋 莹（辽宁工程技术大学 安全科学与工程学院，辽宁 葫芦岛；辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室，辽宁 葫芦岛；山东工商学院管理科学与工程学院，山东 烟台）中图分类号：文献标志码：.基金项目：国家自然科学基金资助（）；山东省自然科学基金资助（）。文章编号：（）；收稿日期：；修稿日期：通信作者：尚文天（），男，内蒙古赤峰人，硕士研究生，研究方向为矿
2、井智能通风与异常识别。：。【摘 要】为解决因风门开闭导致的风速传感器数据异常波动与误报警问题，提出一种基于离散小波变换（）与支持向量机（）的风门开闭阶段识别方法。使用多尺度滑动窗口将传感器风速监测数据离散化为若干段不同尺度的子时间序列数据，利用统计方法与，提取各尺度子时间序列数据中的统计特征与隐含的波动特征，建立 风门开闭阶段识别分类模型。为进一步优化识别结果，基于重叠度（）规则合并、修正、组合、取优分类识别结果，再根据相似准则建立长度方向取变率为、整体相似比为 的相似试验模型，开展风门开闭扰动试验，验证方法的可行性。结果表明：在测试集上的识别准确率较高，对于风门开闭时间的识别准确率可达到.，
3、风门开闭阶段的划分准确率可达到.，优化滑动窗口尺度数量，可继续增加方法识别的准确率。【关键词】离散小波变换（）；支持向量机（）；风门开闭；阶段识别；多尺度滑动窗口；重叠度（），（，；，；，）：，中国安全科学学报第卷年 ，.，.：（）；（）；（）引 言 矿井风门开闭是一个动态过程，在湍流与风门开闭运动的耦合作用下，部分关联巷道内风速变化幅度可达到，甚至会导致部分巷道内风流反向。传统统计方法并不能明确风门开闭与关联巷道内风速异常变化之间的关系。通过风速传感器监测数据有效快速识别风门开闭各阶段，可以明确风速传感器数据异常变化是由风门开闭引起的，从而降低风速传感器误报警的发生概率，提高矿井监测监控系统
4、的稳定性。风门开闭会导致风速数据产生强烈波动，这种波动类似于电能质量信号扰动、语音信号波动。国内外学者在电能质量信号扰动检测、噪声环境下语音信号波动识别方面提出诸多有效的识别方法。在电能质量信号扰动识别方面，熊兴隆等应用导数分析与典型特征选取对机场环境光纤预警系统所监测到的信号中的异常波动进行采样与特征提取，构建了概率神经网络识别模型；等利用一维和二维卷积神经网络，分别提取电能质量原始信号及图像中的隐含特征，并合并提取到的特征向量，再进行全连接层识别与分类。除此之外，径向基函数神经网络、稀疏自动编码器神经网络、极限学习机与概率神经网络、学习向量量化神经网络、极限梯度提升等方法，也具有较高的扰动
5、识别准确率。在语音信号识别方面，黄鸿铿等使用 尺度的小波包分解声音信号，再使用分解系数生成重构信号的频谱，通过随机森林（，）分类器实现不同场景下低信噪比动物声音的识别；王若平等采用小波包去噪减少交通环境的噪声，提取梅尔频率倒谱系数作为特征，并采用支持向量机（，）完成对声音事件的识别。除此之外，还有深度置信网络、一维卷积神经网络和长短期记忆也取得了较高的目标声音识别准确率。但以上算法仅在能质量信号扰动识别、语音信号波动识别领域具有较好效果，不能直接应用在矿井通风领域。综上，应用、神经网络等人工智能方法可有效实现各类数据波动识别。因此，针对风门开闭阶段识别问题，提出一种基于离散小波变换（，）与 的
6、风门开闭阶段识别方法，使用多尺度滑动窗口将连续风速监测数据离散化，利用 提取离散数据隐含特征，建立 风 门 开 闭 阶 段 识 别 模 型，并 基 于 重 叠 度（，）规则合并、修正、组合、取优识别结果，再开展相似试验，验证方法的可行性，以期达到较高的风门开闭阶段识别准确度。风门开闭阶段识别方法 风速开闭阶段识别问题的本质为非平稳的时间序列数据 分类问题。文中提出一种基于 与 风门开闭阶段识别方法，共分为 个步骤：步骤：风门开闭时间范围识别。采用离差标准化将原始监测数据归一化，并使用滑动窗口方法将归一化处理后的连续监测数据离散化，离散化得到的子时间序列数据分属于风门开闭时间类别或正常时间类别（除风门开闭外的其他时间）；再通过 提取子时间序列数据中的隐含特征，生成风门开闭阶段分类识别数据样本，构建 风门开闭阶段分类器模型。为进一步提高风门开闭阶段的识别准确率，训练多个不同滑动窗口尺度的风门开闭阶段分类器，合并修正分类结果，基于 值选取最优时间组合，构建风门开闭时间范围段识别模型，识别第 期邓立军等：基于 与 的风门开闭阶段识别方法风门开闭对应的时间范围。步骤：风门开闭阶段识别。风门开闭过
安全达人 