本发明涉及煤岩矿业，尤其涉及一种用于评估煤矿冲击地压危险性的方法。
背景技术：
1、冲击地压是一种煤岩矿业中采掘工作面产生弹性形变而突发的具有破坏性的动力灾害。发生冲击地压将对煤岩矿业开采造成巨大损害，轻则造成作业停产，重则对矿业人员造成威胁。因此，矿业工程高度重视对冲击地压的精准评价和预测，进而采取有效的应对策略，防止灾难性事故发生。
2、目前，国内外学者对冲击地压危险性评价与预测主要采用理论分析计算、现场监测研判以及区域性早期评价等方法。以载荷三带为代表的理论分析计算方法采用定量计算实现冲击地压危险性分析，但受制于采动压力因素繁杂影响，导致该方法尚不能给出精准的计算公式，且具有较强的主观性，结果可信性不强。现场监测研判则针对煤岩矿现场监测得到的信号数据进行分析研判，但受制于监测信号噪声、离散性、覆盖不足、阈值难以确定等影响，导致该方法在实际应用中效果并不理想。区域性早期评价方法通过综合分析影响冲击地压的多参量因素，实现多源信息融合的冲击地压危险性等级划分和预报，是目前常用的方法之一。在该方法中，常用的算法模型包括概率神经网络模型、深度神经网络模型、层次分析法等。
3、在目前主流的冲击地压危险性评价方法中，尚存在以下不足之处需要改进。第一，选用的评价因素较多，且存在冗余，未能准确捕获最有价值的影响因素而进行危险性分析；第二，较少方法将喷出煤岩量直接纳入危险性分析的指标体系中；第三，用于生成决策结论的判别模型过于单一，未能发挥多模型、多源信息融合的优势。
技术实现思路
1、有鉴于此，本发明提供了一种用于评估煤矿冲击地压危险性的方法，用以实现对煤矿冲击地压危险性等级的精准划分。
2、第一方面，本发明提供了一种用于评估煤矿冲击地压危险性的方法，所述方法包括：
3、步骤1、构建用于评价喷出煤岩量的冲击地压危险性的指标体系，并通过数据规整获取训练数据集和测试数据集；
4、步骤2、利用模糊邻域决策粗糙集模型和训练数据集对构建的指标体系进行优化分析，获取约简子集；
5、步骤3、将获取的约简子集输入至多分类器模型中，得到分类结果，并对分类结果进行分类精度评价，依据分类精度评价完成分类器的赋权，获取分类器权重和训练后的多分类器模型；
6、步骤4、将测试数据集输入至训练后的多分类器模型进行测试，得到测试结果，并将测试结果加权融合，得出危险评价等级。
7、可选地，所述用于评价喷出煤岩量的冲击地压危险性的指标体系包括：
8、煤厚a1、倾角a2、埋深a3、构造情况a4、倾角变化a5、煤厚变化a6、瓦斯浓度a7、顶板管理a8、卸压a9、响煤炮声a10和喷出煤岩a11共11个影响因素作为冲击地压的评价指标要素。
9、可选地，所述步骤2中模糊邻域决策粗糙集模型包括：
10、决策系统：其为一个二元组，其中为论域，为条件属性集，为决策属性，且；
11、模糊相似关系：给定论域，若关系满足以下条件：
12、1）自反性：；
13、2）对称性：；
14、则称为的模糊相似关系；其中定义的模糊相似关系，表达式为：
15、；
16、式中：为连续性数据，为离散型数据；
17、模糊邻域等价类：给定论域，对于任意，其模糊邻域等价类，其表达式为：
18、；
19、式中：为模糊邻域半径，且；
20、模糊邻域条件概率：给定决策系统，，是具有相同名义决策类的对象的集合，在条件属性集下，对于任意一个对象，其模糊邻域等价类为，模糊邻域条件概率其表达式为：
21、；
22、其中，在等价类的假设条件下，，当且仅当时，；
23、在决策粗糙集理论框架下，给出基于数据关系依赖的损失函数矩阵，其表达形式为：
24、；
25、其中，i= p、 b或 n； j=1或 c；
26、为模糊邻域条件概率；为补偿系数，满足为在中标记为对应的样本相对于的重要度，其表达式为：
27、；
28、为在中标记为对应的样本相对于的重要度，其表达式为：
29、；
30、对于非空等价类，在的假设条件下，，当且仅当时，；
31、基于数据关系依赖的损失函数矩阵、和，令，得到概率阈值参数新的表达形式，其为：
32、；
33、；
34、因此，更新后的决策规则表达形式为：
35、 p）若，则；
36、 b）若，则；
37、 n）若，则；
38、两个概率阈值参数表示为和，其中，；参数确定后，从原始数据的分布信息中得到和；待确定的超参数仅有未知参数和；确立模糊邻域决策粗糙集模型表述如下：
39、；
40、；
41、。
42、可选地，所述获取约简子集包括：
43、模糊邻域决策粗糙集模型中基于决策风险最小化的约简原则，决策风险的表达式为：
44、；
45、式中：；为全局性的决策风险；
46、相对重要度：给定决策系统，则对于条件属性的相对重要度，其表达式为：
47、；
48、属性约简准则：给定决策系统，若满足以下两个条件，其表达式为：
49、1）；
50、2），均有；
51、则为比风险低的约简子集，结合寻优算法，获得最优的约简子集。
52、可选地，所述步骤4包括：
53、将各个分类器的预测结果进行加权求和，汇总为一个结果；其中，权重的确定为分类器在数据集上的训练精度折合系数，其表达式为：
54、；
55、其中，为第 i个分类器的结果权重，为其训练分类精度， n为分类器个数；
56、最终的决策结果为一种带权的表决结果，即每个分类器给出每个类别的判断结果，则多分类器对于一个类别的判断则为，输出的结果为判别结果最大的类别，以得出危险评价等级。
57、第二方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行第一方面或第一方面任一可能的实现方式中的用于评估煤矿冲击地压危险性的方法。
58、第三方面，本发明实施例提供一种电子设备，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行第一方面或第一方面任一可能的实现方式中的用于评估煤矿冲击地压危险性的方法。
59、本发明提供的技术方案中，该方法包括构建用于评价喷出煤岩量的冲击地压危险性的指标体系，并通过数据规整获取训练数据集和测试数据集；利用模糊邻域决策粗糙集模型和训练数据集对构建的指标体系进行优化分析，获取约简子集；将获取的约简子集输入至多分类器模型中，得到分类结果，并对分类结果进行分类精度评价，依据分类精度评价完成分类器的赋权，获取分类器权重和训练后的多分类器模型；将测试数据集输入至训练后的多分类器模型进行测试，得到测试结果，并将测试结果加权融合，得出危险评价等级，该方法实现了对煤矿冲击地压危险性等级的精准划分。
60、附图说明
61、为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
62、图1为本发明实施例提供的用于评估煤矿冲击地压危险性的方法的流程图；
63、图2为本发明实施例提供的属性约简统计结果的柱状图；
64、图3为本发明实施例提供的约简前后分类器精度对比结果的柱状图；
65、图4为本发明实施例提供的一种电子设备的示意图。
1.一种用于评估煤矿冲击地压危险性的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述用于评价喷出煤岩量的冲击地压危险性的指标体系包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤2中模糊邻域决策粗糙集模型包括：
4.根据权利要求3所述的方法，其特征在于，所述获取约简子集包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5中任一项所述的用于评估煤矿冲击地压危险性的方法。
7.一种电子设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行权利要求1至5中任一项所述的用于评估煤矿冲击地压危险性的方法。
