基于混沌理论的煤与瓦斯突出预测研究方法

煤矿开采过程中会有电磁辐射产生,研究表明,煤与瓦斯突出时,电磁辐射信号会发生明显的异常前兆。根据煤与瓦斯突出时产生的电磁辐射信号的特征和混沌时间序列可以短期预测的特点,重构电磁辐射时间序列相空间,并采用改进的C-C算法确定相空间的两个重要参数延迟时间T和嵌入维数m。然后运用加权一阶局域法构建煤矿瓦斯浓度预测模型,进行煤矿瓦斯浓度预测。     

煤与瓦斯突出电磁辐射的监测及应用

根据煤与瓦斯突出产生电磁辐射的原理和煤岩破裂电磁辐射信号的特征，设计出了电磁辐射监测仪．并将该监测仪应用于煤与瓦斯突出的预测预报，得到了大量的实验数据．从中总结出煤与瓦斯突出危险程度与电磁辐射强度和脉冲数的关系，给出了有突出危险时电磁辐射强度和脉冲数的临界值。实验证明电磁辐射监测仪在实际应用中效果良好。     

基于混沌时间序列的瓦斯浓度预测研究

近年来各种矿难频发,特别是瓦斯事故时见于报端。瓦斯事故通常伴随着较高的瓦斯浓度,因此,预测未来时刻的瓦斯浓度是预测瓦斯事故的有效手段,对煤矿的安全生产具有十分重要的意义。对混沌理论中的C-C方法进行简化,并用这种方法对5大煤矿的瓦斯浓度监测数据构成的时间序列进行相空间重构,依据数据的实际情况确定其最佳时延和嵌入维,然后用加权一阶局域法对下一时刻的瓦斯浓度进行预测。实验结果表明瓦斯浓度时间序列具有明显的混沌特性,且当时间序列长度为500时,计算量适中且预测结果较优,对500个异常瓦斯浓度预测的均方误差达到0.122 024,从而可用于瓦斯事故的预测,为煤矿及时采取通风等措施提供决策依据。     

基于K-Means聚类的瓦斯浓度预测

提出一种基于K-Means聚类的非线性时间序列预测模型。利用混沌时间序列短期可以预测的特点,对选取的某两处煤矿构建了瓦斯浓度预测模型。采用关联积分方法确定相空间时间延迟τ和相空间嵌入维数m。然后在重构相空间中,运用基于K-Means聚类的加权一阶局域法构建煤矿瓦斯浓度的预测模型。结果表明：在预测间隔1min的数据时,使用200个连续的数据进行训练,预测效果较好,误差达到最小值0.0341;在预测间隔多分钟的数据时,使用200个15min间隔的数据进行训练,预测效果较好,误差达到最小值0.0437,可见该瓦斯浓度时序在间隔15min后又恢复了初始的混沌性。     

突出煤层中软煤厚度与电磁辐射规律研究

通过试验研究了软煤厚度和煤与瓦斯突出的关系,得出软煤厚度突增(变化率≥10%)或一段时间内厚度持续在0.8m以上时突出危险性增大的结论;为了提高突出预测准确率,采用电磁辐射技术分析了软煤厚度和电磁辐射的响应规律,结果表明,软煤电磁辐射高于硬煤,软煤厚度增加或持续较大(≥0.8m)时,电磁辐射值也相应增高或持续很高,突出危险性增大;软煤厚度和电磁辐射信号呈很好的正相关性,相关系数为0.824。     

基于粒子群优化的支持向量机在瓦斯浓度预测中的应用研究

为了准确预测煤矿瓦斯浓度,基于从芦岭煤矿KJ98监控系统中提取的生产现场瓦斯浓度时间序列数据,对基于粒子群优化的支持向量机理论在瓦斯浓度短期预测中的应用进行了研究。首先对瓦斯浓度时间序列进行小波软阈值去噪和相空间重构等预处理,然后采用粒子群优化算法对支持向量机的惩罚因子、损失函数、核函数参数进行了优化,并基于最优参数建立了瓦斯浓度预测的支持向量机模型。仿真结果表明,采用粒子群优化的支持向量机理论进行煤矿瓦斯浓度预测,极大地提高了预测的准确性和精确度;误差分析结果表明,该方法预测结果的误差很小,且测试样本越小,误差越小。     

煤与瓦斯突出远程智能监测预警系统研究

针对目前煤与瓦斯突出预警在自动化程度、准确性等方面的需求,开发了煤与瓦斯突出远程智能监测预警系统,介绍了系统构成及信号监测、干扰识别、信号传输、预警准则等关键技术。该系统以声发射、电磁辐射和瓦斯浓度为预警指标,可实现对突出演化过程声-电-瓦斯信号的远程监测和综合预警,并能够根据机电设备开停信息自动识别与滤除干扰信号,提高了煤与瓦斯突出预警的准确性。应用结果表明,该系统具有较高的预警准确性,可提前8~24h捕捉到煤与瓦斯突出危险信息。     

基于DSP和单片机的煤与瓦斯突出监测系统设计

针对目前常用的接触式煤与瓦斯突出预报方式需要专门施工作业且操作复杂、可靠性差等问题,根据煤与瓦斯突出伴随产生电磁辐射信号的基本原理,提出了一种基于DSP和单片机的煤与瓦斯突出监测系统的设计方案,给出了该系统的结构、功能及软硬件实现方法。该系统采用TMS320C5409 DSP和AT89S5单片机的双CPU工作模式,分别完成数据采集和处理任务、整个系统的协调和人机交互任务,大大提高了系统运行效率,实现了实时、非接触式的煤与瓦斯突出预测。     

煤与瓦斯突出电磁辐射在线监测系统的设计

基于煤与瓦斯突出伴随电磁辐射的原理 ,分析、设计了一套便于预测预报煤与瓦斯突出的在线监测系统 ,并介绍了该系统的组成及功能     

基于瓦斯浓度变化的煤与瓦斯突出预警技术

为实现掘进工作面煤与瓦斯突出的实时、准确和超前预测,提出了一种基于瓦斯浓度变化的煤与瓦斯突出预警方法,通过掘进工作面煤体瓦斯压力反演技术,确定了煤与瓦斯突出临界条件,构建了煤与瓦斯突出预警模型,在此基础上研制了基于瓦斯浓度变化的非接触式煤与瓦斯突出预警系统。应用结果表明,该系统能够实时监测掘进工作面瓦斯浓度变化和风量信息,并提前一个工作班次对煤与瓦斯突出区域进行非接触实时灾害预警。     

煤与瓦斯突出协同预测技术研究及应用

针对现有煤与瓦斯突出预测技术难以实现时间和空间领域的全方位连续预测、防突预测结果利用率低、预测信息发布滞后等问题,提出了一套适用于现代化高产高效矿井的多因素、全方位、时空连续型的煤与瓦斯突出协同预测技术体系.按照煤与瓦斯突出形成的时空维度,将煤与瓦斯突出危险性预测划分为以空间维度为主的区域突出危险性预测和以时间维度为主的局部突出危险性预测.通过对地质构造、煤层埋深、煤体煤质、软煤分布、钻屑指标、瓦斯涌出初速度等区域、局部防突预测数据的深度挖掘分析,得到区域、局部突出危险性预测结果,并按照一定规则进行有效融合,实现时间和空间范围内的连续监测预警.研发了配套的防突信息综合管控平台和WTC-1型瓦斯突出数据采集仪,为煤与瓦斯突出协同预测技术的实现提供了软硬件支撑.现场应用结果表明,该技术预测准确率超过90%,防突预测结果单次审批时间缩短为原来的22.5%,防突信息综合管控平台多次超前捕捉到了煤与瓦斯突出危险,提高了矿井防突信息利用效率.     

基于大数据的瓦斯报警甄别研究

瓦斯报警的正确性和准确性是煤矿安全生产的重大问题。煤矿安全监控系统实时对井下环境进行检测,每天产生大量数据,用传统方法不能准确快速地甄别出瓦斯突出、异常数据或者传感器正常标校的情况。为此,利用基于时间序列的大数据挖掘技术,研究了煤矿安全生产中瓦斯报警问题,解决了传统人工识别方法不能快速甄别瓦斯报警类型等难题。详细论述了时间序列的大数据挖掘技术,针对煤矿的具体情况建立了相关的数学模型,并将系统用于平煤神马集团。实用表明,对瓦斯报警的甄别达到了比较高的准确率,较好地解决了瓦斯报警数据的甄别问题。     

煤矿冲击地压和煤与瓦斯突出感知报警方法研究

提出了基于温度的冲击地压和煤与瓦斯突出感知报警方法:使用红外热像仪等监测物体温度,使用甲烷传感器监测环境甲烷浓度;当物体温度高于煤矿井下环境温度和已暴露煤岩温度,并且高于环境温度和已暴露煤岩温度的物体数量较多、体积和面积较大,则判定发生冲击地压、煤与瓦斯突出、矿井火灾或瓦斯和煤尘爆炸事故;进一步判别高温物体温度,若大于设定阈值,则判定发生矿井火灾或瓦斯和煤尘爆炸事故,反之,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了基于速度的冲击地压和煤与瓦斯突出感知报警方法:使用激光雷达、毫米波雷达、超声波雷达、双目视觉摄像机等监测物体移动速度,使用甲烷传感器监测环境甲烷浓度;当物体移动速度不小于设定阈值时,则判定发生冲击地压、煤与瓦斯突出或瓦斯和煤尘爆炸事故;进一步判别速度异常物体的数量、体积和面积,若速度异常物体的数量较少、体积和面积较小,则判定发生瓦斯和煤尘爆炸事故,若速度异常物体的数量较多、体积和面积较大,则判定发生冲击地压或煤与瓦斯突出事故;进一步分析甲烷浓度变化,若甲烷浓度迅速升高,则判定发生煤与瓦斯突出事故,反之,则判定发生冲击地压事故。提出了多信息融合的冲击地压和煤与瓦斯突出感知报警及灾源判定方法:监测并融合温度、速度、加速度、掩埋深度、声音、气压、风速、风向、粉尘、甲烷浓度、设备状态、微震、地音、应力、红外辐射、电磁辐射、图像等多种信息,感知冲击地压和煤与瓦斯突出;通过不同位置参数变化的幅度、先后时序关系及传感器损坏情况,判定灾源。     

基于声音识别的煤矿重特大事故报警方法研究

煤矿瓦斯与煤尘爆炸会产生爆炸声,煤与瓦斯突出会产生煤炮声、支架发出的嘎嘎声和破裂折断声等,冲击地压会产生巨大的岩石破碎声响和震动等,煤矿透水会发出“嘶嘶”的水叫声、大量透水会产生水流声等,煤矿顶板冒落会发出顶板断裂声、煤岩落地撞击声、支护损毁声等。针对煤矿重特大事故声音特点,提出了煤矿井下瓦斯与煤尘爆炸、煤与瓦斯突出、冲击地压、水灾、顶板冒落等事故报警方法:各事故声音的时域和频域特征与其他声音不同,可通过矿用防爆拾音设备和系统实时监测声音,通过声音智能分析和声音频率、幅度、短时能量等特征参数分析感知事故并报警;通过监测和分析不同监测地点声音强度特征、声音发生的先后关系和防爆拾音设备损坏的先后关系等判定事故发生地点;根据各事故特点提出了多信息融合分析的灾害识别方法,减小工作面落煤、爆破作业、采煤设备、掘进设备、运输提升设备、供电设备、乳化液泵、水泵和局部通风机工作等产生的声音干扰。论述了不同拾音设备的优缺点,矿用拾音设备宜采用麦克风阵列;研究了适用于煤矿重特大事故的声音识别分类器。     

煤与瓦斯突出危险性预测的SαS-PNN模型及应用

较高精度的煤与瓦斯突出预测是煤矿安全生产的必要前提和保证.为了实现对煤与瓦斯突出危险性快速、准确和动态预测,考虑煤与瓦斯突出多种影响因素.提出一种改进的概率神经网络(PNN)煤与瓦斯突出预测模型.首先,引进一种对称Alpha稳定分布(SαS),SαS有更广泛的数学表达,其径向对称特性可充当PNN样本层中的高斯分布.在SαS的基础上,建立煤与瓦斯突出危险性预测的SαS-PNN模型.将SαS-PNN模型应用于国内26个典型矿井的煤与瓦斯突出危险性等级预测.预测结果表明:在3种不同的训练和测试下SαS-PNN模型仍具有良好的预测效果,其误判率分别为7.69%、11.54%和15.38%.说明该模型可为煤矿开采中煤与瓦斯突出危险性预测提供了一种可能的思路.     

粗糙集方法在瓦斯突出预测中的应用

煤矿瓦斯突出是一种多发的地质灾害,其影响因素众多,但是突出机理尚未研究清楚。将粗糙集理论和技术引入煤矿瓦斯突出区域预测,对影响瓦斯突出的关键因素进行约简,抽取出瓦斯突出相关的决策规则,建立了煤矿瓦斯突出区域预测模型,并通过数据试验和对比,表明粗糙集方法预测瓦斯突出具有较高的预测准确率,同时方法也为瓦斯突出预测提供了新的研究思路。