1、本文研究多傳感器同步相關(guān)分析方法和異步相關(guān)滯后步長分析方法，并將其應(yīng)用于分類主特征選擇及煤礦瓦斯監(jiān)測(cè)數(shù)據(jù)的異常檢測(cè)和遺失值估計(jì)問題。同時(shí)，開發(fā)了基于時(shí)間序列數(shù)據(jù)挖掘的煤礦瓦斯涌出量分析系統(tǒng)。主要研究內(nèi)容如下： 運(yùn)用多傳感器相關(guān)信息熵的概念，定義了多傳感器相關(guān)組合的概念并分析了其性質(zhì)。在此基礎(chǔ)上提出了一類發(fā)現(xiàn)所有相關(guān)傳感器組合的快速算法，即SCC（Super Correlation Combination）算法。該算法能夠高效的找

2、出全部相關(guān)組合。 提出了基于粒子群優(yōu)化的異步相關(guān)滯后步長分析方法。研究了兩種針對(duì)多傳感器系統(tǒng)異步相關(guān)最優(yōu)滯后步長分析的適應(yīng)值函數(shù)，分別為基于相關(guān)信息熵的適應(yīng)值函數(shù)與基于相關(guān)系數(shù)的適應(yīng)值函數(shù)。實(shí)驗(yàn)表明提出的方法是有效的。 提出了基于多傳感器相關(guān)分析的主特征選擇方法。該方法引入主特征和主特征子集的概念描述被分類對(duì)象的關(guān)鍵分類特征，并給出了計(jì)算被分類對(duì)象的主特征和主特征子集的方法。其特點(diǎn)是主特征和主特征子集與所采用的分類器無關(guān)

3、。實(shí)驗(yàn)結(jié)果顯示：利用數(shù)據(jù)集的主特征和主特征子集進(jìn)行數(shù)據(jù)分類比用數(shù)據(jù)集的全部屬性進(jìn)行分類的性能要好。 瓦斯?jié)舛犬惓z測(cè)和遺失值估計(jì)事關(guān)煤礦安全。以往的解決方法是使用一個(gè)礦井中的全部瓦斯傳感器采樣數(shù)據(jù)分析求解這兩個(gè)問題。但是這種方法存在著不足：計(jì)算量大和異常檢測(cè)的準(zhǔn)確率相對(duì)較低，遺失值的估計(jì)精度也較低。提出了利用相關(guān)傳感器組合的信息進(jìn)行瓦斯異常檢測(cè)和遺失值估計(jì)的方法。仿真結(jié)果表明該方法克服了上述不足。 開發(fā)了基于時(shí)間序列數(shù)據(jù)