基于集成学习的改进灰色瓦斯浓度序列预测*

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度。结果表明:瓦斯浓度时间序列近似线性时,基于集成学习的改进灰色瓦斯浓度预测算法优于传统灰色瓦斯浓度预测算法,使瓦斯浓度预测值和实际值的均方根误差降低,均方根差最大降低2.25%。研究结果可有效提瓦斯浓度预测精度。     

基于随机搜索优化XGBoost的瓦斯涌出量预测模型*

为防治瓦斯灾害,解决井下瓦斯涌出量在预测过程中因影响因素繁多带来的精度较低问题,提出1种基于套索(Lasso)回归与随机搜索优化极限梯度提升(XGBoost)的模型进行瓦斯涌出量预测。以沈阳某煤矿综采面瓦斯涌出量历史数据为例,综合考虑影响瓦斯涌出量的影响因素。首先利用Lasso回归提取对瓦斯涌出量有重要影响的特征数据,作为预测输入;采用随机搜索算法对XGBoost模型4种主要参数进行寻优,选取最优参建立预测模型获得预测指标并分析比较其他模型。研究结果表明:Lasso回归筛选出的影响因素结合随机搜索获得的最优参数组合优化XGBoost比其他模型预测精度更高,平均相对误差为1.53%,均方根误差为0.140 3 m3/min,希尔不等系数为0.013 2,研究结果可为现场瓦斯管理提供参考依据。     

基于CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。     

基于云计算的矿井瓦斯安全预警系统设计

基于云计算基本原理及Saa S模式,研究矿井瓦斯监测预警系统的云计算应用模型。设计了矿井瓦斯监测预警系统的云计算基础架构,以监测信息处理为核心、以虚拟化为资源调度与高效计算应用的重要手段实现基于监测监控系统的实时预警,并据此提出了云计算模式下的瓦斯监测预警流程体系。针对瓦斯监测大数据处理对资源调度的需求,基于Hadoop Map Reduce云计算资源调度机制,采用FIFO、公平调度及LATE组成的混合调度策略进行资源优化。该系统设计以高效的信息处理机制为支撑,可实现基于大数据处理的矿井瓦斯实时预警应用,为云计算模式下矿井瓦斯预警系统的开发应用提供了参考依据。     

基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

为解决煤矿瓦斯异常涌出风险预警过程中过度依赖系统模型,不能动态实时修正预测模型,预测、预报精准度和可靠度不高的难题,基于动态数据驱动技术,搭建瓦斯异常涌出风险预警系统架构,探讨动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型选择和修正、预警系统研发等关键性技术,开发基于动态数据驱动的瓦斯异常涌出风险预警系统软件。结果表明:动态数据驱动技术在煤矿瓦斯异常涌出风险预警方面具有强大的信息处理和问题求解能力,可实现仿真系统与实际系统间的动态响应和控制功能,并实时反馈修正,使预测结果更加精确、可靠,设计研发的预警系统可在矿井受瓦斯异常涌出威胁时发出可靠的预警信号。     

工作面瓦斯浓度时间序列特征挖掘与预警应用

为实现工作面瓦斯异常涌出的动态、实时预警,对工作面瓦斯浓度时间序列的概率分布进行分析,利用Shapiro-Wilk和Lilliefors联合正态检验的方法,深入挖掘工作面瓦斯浓度时间序列的分布特征;以潘三矿某掘进工作面为例,实时正态检验工作面过断层时的瓦斯浓度时间序列。结果表明:当影响工作面瓦斯涌出因素作用比较均匀、单一因素不起决定性作用时,瓦斯浓度时间序列服从正态分布;当不服从正态分布时,则断层对工作面瓦斯涌出影响显著,有可能发生灾害。通过对工作面瓦斯浓度时间序列进行实时正态检验以辨识瓦斯涌出状态,将瓦斯浓度时间序列的分布特征作为预警的依据,能为瓦斯灾害的预测预警起有效的辅助作用。     

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析。研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据。     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

基于多测点关联分析的工作面瓦斯浓度实时预警

为有效分析矿井瓦斯监测数据以拓展监控系统功能,实现工作面瓦斯浓度的有效预警,研究基于多测点实时监测数据关联分析的工作面瓦斯(甲烷)浓度预警方法。通过分析瓦斯实测数据的统计特征,以及利用贝叶斯网络方法分析工作面与其关联监测点瓦斯实测数据构成时间序列的关联特征,确定基于实时监测数据的瓦斯预警指标及其预警阈值,进而分析瓦斯浓度异常情况,实现基于监测数据分析的实时、动态量化预警。实例分析表明,将该方法应用于工作面瓦斯浓度预警,结果显示了瓦斯浓度持续偏大时段反映出的异常情况,符合实际瓦斯浓度变化趋势。     

瓦斯浓度区间预测的灰色聚类与高斯过程模型

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。     

基于多因素的LSTM瓦斯浓度预测模型*

为解决煤矿瓦斯浓度预测问题,提出基于多因素的LSTM瓦斯浓度预测模型。模型首先对煤矿多源监测数据进行数据融合、缺失值处理;其次通过特征衍生、有监督化、无量纲化,融合各环境因素特征和时序数据的时间性特征,且衍生出更多交叉项特征和高次项特征;然后利用经验法和逐步试错法确定隐藏层维度;最后进行模型训练和测试。研究结果表明:基于多因素的LSTM瓦斯浓度预测模型的RMSE仅为0.021,MAE为0.01,比单因素LSTM模型、RNN模型预测效果好。因此,基于多因素的LSTM瓦斯浓度预测模型可更精准地进行瓦斯浓度多步预测,促进煤矿安全生产。     

基于尾矿库安全物联网决策支持系统研究

尾矿库安全管理是一项非常复杂的系统工程,针对湖南黄金集团高流坑尾矿库安全管理工作人工依赖性强、智能化程度低,灾情实时判断与预警控制决策效率低等不足特点,提出物联网技术,结合先进的数据感知技术,将数据采集、处理、分析及决策等环节进行一体化综合集成,研究设计尾矿库安全物联网决策支持系统。使尾矿库建设运营参与各方加强认知和揭示尾矿库安全灾变规律,为实现尾矿库安全管理智能预警决策提供有力的辅助支持。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

基于数据挖掘法的矿井瓦斯联动监测

为解决传统矿井监测技术存在的监测效果差、数据利用率低、预警能力不足等问题,提出采用多点及多因素融合的联动监测方法。采用计算机数据挖掘、多级数据融合处理技术建立基于实际预警、规则评判、历史数据检测等方法的矿井故障分析及瓦斯浓度预警数据处理模型。该技术在临汾市尧都区5个煤矿的安全生产监控中试验应用,结果表明联动分析法有助于分析矿井故障原因、提高瓦斯浓度预警能力,且数据挖掘及多级数据融合技术的应用有助于规范样本,提高分析预警规则的稳定性、适应性。     

三高气田钻完井重大事故现场监测数据采集管理系统的设计与实现

把信息化技术用于油气田安全领域,用采集的现场数据评估安全生产环境,实现油气田安全信息化是近年来的新课题。为了有效地监测和预防油三高气田（高含硫、高产量、高压力）井喷事故造成的灾害,讨论了基于网络架构的重大事故现场监测数据采集管理系统软件的研究与设计,包括气象数据,传感器数据,监测设备GPS数据与视频信息的实时采集、处理、分析与显示,并且分段说明了该系统各部分的设计和实现的重点.该系统具有友好的人机界面,并且引入了流媒体技术、无线传感器技术等多种先进技术,能够最大程度地得到全面的表征油气田安全的数据与信息;该系统已经在研究实例龙岗油气田的实验中证明了具有安全生产方面的现实意义。     

基于IAHP和灾变链式方法的城市油气管道风险诱因与预警研究

城市油气管道穿越城区街道、建筑和居民区等特殊地段,保障其安全运行具有重要意义。为实现城市油气管道风险早期预警,基于城市与野外长输油气管道风险对比分析,识别城市油气管道风险预警指标;建立城市油气管道风险预警指标体系,采用区间层次分析法对预警指标重要度进行定量排序,确定关键预警监测点;并依据灾变链式理论,构建城市油气管道重大事故灾变链式模型,研究管道风险演化过程,发现灾变前兆进行断链减灾。研究结果表明:“腐蚀”及“第三方破坏”占据城市油气管道失效致因比重最大,风险因子“油气管道与市政管道距离”以及“城市工程施工作业”应作为城市油气管道重点监测点。同时,围绕城市油气管道风险预警需致力于孕源断链。     

基于GIS天津市燃气管网预警系统的构建研究

基于GIS的原理,结合燃气事故的致因及其后果,对燃气泄漏模型、扩散模型、火灾及爆炸后果模型进行完善和改进,建立了燃气事故预警模型;通过Visual C++编程,借助ARCGIS平台将燃气事故预警模型与天津市燃气管网GIS相结合,构建了基于GIS的天津市燃气管网预警系统。该系统应用结果显示:由燃气事故预警模型计算得出的事故后果,通过GIS地理空间数据库和模型库的链接,实现了燃气泄漏点的可视化预警分析;并根据分析结果启动相应应急预案,实现了事故预警实时分析与应急预案启动的联动功能,为相关决策者提供了可靠决策依据。     

基于无线传感器网络的市政下水道可燃气体监测系统设计及应用

为防止下水道可燃气体积聚引发爆炸事故,利用无线传感器网络技术设计了市政下水道可燃气体监测系统.实测结果表明:气体传感器监测数据相对误差在2.0%以内,无线数据收发设备的年发送成功率达到98.0%,满足工程运用需求,系统具有较高的可靠性和稳定性.结合无线网络覆盖范围广、实时在线的特点,该系统实现了对不同区域下水道内可燃气体浓度的远程监测,为下水道的安全预警提供了有效依据.