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...     

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。     

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FA-Logistic的煤矿瓦斯突出事故安全预警研究

我国煤矿瓦斯突出事故时有发生,造成的损失巨大。基于此,对新常态下的瓦斯突出事故进行预警具有重要意义。通过研究近年来瓦斯突出事故发生状况,选取煤层瓦斯含量、埋藏深度、厚度等十个关键影响因素作为评价指标体系,以获取的18组数据作为研究样本,借助SPSS软件,运用因子分析——Logistic回归方法进行综合预警,另外18组数据作为检验样本,结果都表明该方法有很好的预警效果,总体预警准确率达到80%以上。因此,该综合预警方法可以较早预测煤矿瓦斯突出事故的发生。     

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。     

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。     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

矿井瓦斯防爆监测氧含量线性标定

矿井火灾是采矿业面临的安全生产问题之一。该文研究的目的是评估新的矿井瓦斯防爆监测中最重要的成分氧气的检测策略,在矿井火灾中做出预见与预报。对于密封区域,发生瓦斯爆炸危险安全区时氧气浓度小于8%,按照国家标准,本矿要求氧气检测精度达到1%。氧含量监测系统受到气体气路、传感器运行、信号调理与处理情况和终端处理系统等四个方面的影响。该文通过运用计算机控制技术分别对氧含量监测系统进行硬件线性开环标定与软件线性闭环标定,并采用著名的OriginPRO数据分析软件对系统采样数据进行了分析与解读,以达到对软件线性闭环标定进行程控规划和信息实时纠正,使系统氧气含量监测灵敏限小于0.36%。     

煤矿瓦斯涌出时序预测的自组织数据挖掘方法

为分析煤矿瓦斯涌出复杂系统时间序列预测方法,提出自组织数据挖掘(SODM)与相空间重构(PSR)相结合的预测建模方法。首先应用C-C方法计算时间序列的最佳嵌入维数和延迟时间后进行PSR;然后以二元二次方程为传递函数,以嵌入维数变量为自变量,以延迟时间后的时间序列为因变量,通过内准则确定传递函数系数和外准则选择最优传递函数,并以最优传递函数的输出为下层迭代传递函数的输入,最后获得最优复杂度预测模型。算例结果表明:该方法对煤矿瓦斯涌出量预测的相对误差为-5.751 7% ~6.049 3%,平均相对误差2.145 7%,预测结果能满足煤矿安全生产实际工程应用要求。     

基于多因素模式识别的煤与瓦斯突出预测研究

采煤工作面煤与瓦斯突出是由煤层自然条件和工程扰动共同作用决定的,充分考虑煤层原始赋存条件和人类工程活动对煤与瓦斯突出的影响,建立多因素模式识别准则和方法,应用VBA技术完成了工作面煤与瓦斯突出危险性动态预测系统开发。以平顶山十矿己15-24080工作面为研究对象,将瓦斯含量、瓦斯压力、采动应力等因素作为工作面煤与瓦斯突出的主要影响因素,运用多因素模式识别方法实现了对工作面煤与瓦斯突出危险性分单元概率预测,且能够随着工作面不断推进进行动态预测和分级管理。研究结果表明:突出危险性预测结果与现场实况有较好的一致性,对煤矿安全开采具有良好的指导作用。     

采煤工作面回风巷瓦斯气团漂移现象初探

了解瓦斯气体在采掘空间的分布及运移规律,是有效开展煤矿瓦斯治理工作的基础。通过对井下瓦斯浓度监测数据可视化及数理分析,揭示了回采工作面回风流中存在瓦斯气团的可能性,表明了回风巷中瓦斯气体运移具有风流携带气团漂移的特点;回风巷中的同一瓦斯气团先后经过相邻2个传感器时,2个传感器分别观测到的瓦斯浓度变化的曲线形态具有相似性,根据这一特点,给出了回风巷瓦斯气团漂移速度计算公式和应用实例。研究成果有助于优化采煤工作面通风设计,有效监测回风巷中瓦斯气体运移状态,避免高浓度瓦斯气团导致的矿井灾害。     

常用经验模型预测煤屑瓦斯解吸量对比分析

为研究常用瓦斯解吸经验模型对解吸量预测准确性,基于容量法试验测定长时间的煤屑瓦斯累计解吸量,通过截取不同时段的瓦斯解吸量数据回归拟合得到常用解吸经验模型参数,并将其代入模型中计算出瓦斯解吸量与试验测定量进行对比。研究结果表明:各常用经验模型公式对不同时间段数据拟合都表现出较好的效果;巴雷尔式不适合用于煤屑的瓦斯解吸预测;指数型经验模型公式计算得到曲线受制于拟合数据时间段长短,在拟合时间段后很快趋于平直而低估累计瓦斯解吸量;乌斯季诺夫式适合用于短时间煤屑瓦斯解吸数据推算长期瓦斯解吸量;重庆-文特式适合用于预测短期瓦斯解吸量,而利用较长时间段瓦斯解吸量数据推算煤屑瓦斯解吸量宜采用艾黎式。该研究成果对于煤的瓦斯涌出及煤层气产能预测有着重要实际意义。