使用模糊逻辑和改进的DS证据理论,对煤矿固体填充效应进行智能评估
Zihang Zhang1, Shangqing Yang1, Yang Liu2
1School of Artificial Intelligence, China University of Mining and Technology-Beijing, Beijing, 100083, China.
Scientific reports
|February 17, 2025
概括
这项研究引入了一种使用间隔类型-2模糊逻辑系统 (IT2FLS) 和改进的斯特-沙弗 (D-S) 理论来评估煤矿填充效率的新方法. 这种新的方法在数据融合中实现了92.9%的准确性,用于智能矿山管理.
科学领域:
- 采矿工程 采矿工程 采矿工程
- 人工智能的人工智能
- 数据融合数据融合
背景情况:
- 煤矿填充业务在结果评估中面临着固有的不确定性和模糊性.
- 传统的数据融合方法与相互矛盾的证据和复杂的数据作斗争.
研究的目的:
- 开发一种新的,准确的方法来评估煤矿中固体填充操作的有效性.
- 集成多传感器数据,用于智能监控和管理填充过程.
主要方法:
- 使用的间隔类型-2模糊逻辑系统 (IT2FLS) 与亚当优化器用于本地数据融合和特征模糊化.
- 采用了改进的Dempster-Shafer (D-S) 证据理论,结合了瓦瑟斯坦距离和恩,用于全球数据融合.
主要成果:
- 提出的方法在全球核聚变任务中取得了惊人的92.9%的准确性.
- 与传统的数据融合方法相比,在处理不确定性方面表现优越.
结论:
- 该研究提出了一个强大的数据融合框架,用于煤矿填充工作面.
- 综合方法有效地解决复杂性和不确定性,增强智能监控和管理.


