中文摘要：

煤与瓦斯突出灾害发生的机理尚不明确，实现其实时预测预报是世界性难题。研究发现，开采扰动应力场诱发微震是煤与瓦斯突出前兆的本质特征。我国大多数煤矿已建立了矿山微震监测网，目前面对的难题是如何解释和开发繁多的监测数据，得到预测未来煤与瓦斯突出灾害信息。本项目从智能信息处理的角度出发，研究面向时变数据流的煤与瓦斯突出前兆非线性实时预测。主要内容包括研究震相的实时识别方法，采用基于互信息的无监督特征提取方法实现对微震前兆特征信息的提取，对采掘工作面实时监测的表观信息进行实时除噪和相空间重构，获得预测模型在线学时变数据流学习样本。构造具有空间拓扑结构的模块化神经网络预测模型，设计其微观层面和宏观层面上结构自组织方法，提高预测模型的预测精度、速度和跟踪复杂时变系统的能力，并用该预测模型将微震前兆特征信息与其他表观信息进行有机融合，最终实现煤与瓦斯突出的实时准确预测预报，为煤矿安全生产提供科学决策依据。