煤矿瓦斯监测数据插值与预测研究

发布时间：2020-08-06 15:34

【摘要】：井工煤矿是我国煤矿的主体。由于煤炭资源赋存的地质结构非常复杂,与煤系地层共生的地下水、火、瓦斯、地温、煤尘和顶板等多相介质受采矿工程动态作业的影响,改变了地下空间环境中固体、液体和气体等的物理、化学和力学等自然特性,在地应力或其他外部因素扰动下失稳、失控,造成围岩断裂、巷道破坏、煤与粉尘突出、透水、瓦斯等煤矿事故灾害。瓦斯事故是一项危害较为严重的事故。2014年,全国煤矿发生瓦斯事故47起、死亡266人,同比减少15起、101人,分别下降24.2%和27.5%。虽然近几年煤矿瓦斯事故逐年大幅度下降,但瓦斯事故总量依然较大,重大瓦斯事故没有得到有效遏制,非法违规生产矿井瓦斯事故多发,煤矿瓦斯防治形势依然严峻。由于岩体破坏形式的多样性、煤岩物理力学性质的非线性及瓦斯赋存与运移过程的复杂性,导致瓦斯事故发生的原因、过程及一些细节问题不十分明确,现场存在着大量特殊的事故现象无法解释。主要原因在于现场与瓦斯有关的各种类型的监测数据没有得到充分的挖掘和利用,并且瓦斯预测技术的研究还很不充分,预测的准确性并不高。通过国内外瓦斯预测研究现状的分析,煤矿瓦斯分析预测关键在于瓦斯分析方法的有效性和实用性,而传统方法在分析瓦斯涌出规律和预测模型的建立过程中,在影响因素的选取、建模过程以及实际应用等方面都具有极大的局限性。岩石或岩体力学行为具有非线性的本质特征,瓦斯活动规律也具有非线性的复杂的动力学属性,所以,对瓦斯进行预测研究应该充分考虑其非线性特征,利用目前的非线性科学理论,去寻找对瓦斯数据进行预测的新方法。鉴于矿井瓦斯监测数据具有混沌特性,利用混沌理论对矿井瓦斯数据进行分析和建模是科学的和实用的。论文首先进行了大量的文献研究,进行了深刻的分析总结,把煤矿分为低瓦斯矿井和高瓦斯矿井,高瓦斯矿井选取山西阳煤集团新元煤矿为实验对象,低瓦斯矿井选取北京京煤集团木城涧煤矿、河南能源化工集团城郊煤矿和耿村煤矿为实验对象,实验对象涵盖华北,华中主要矿井,具有较为广泛的代表性;深入剖析了瓦斯数据的混沌特性,并以此进行相空间重构、建模,瓦斯数据的插值算法对比研究,最后进行瓦斯混沌时间序列预测模型分析、应用与验证。论文所做的主要工作概括如下:(1)混沌理论研究。研究了混沌理论的起源、混沌系统的基本特征以及时间序列混沌特性判定方法。在此基础上,对瓦斯时间序列样本数据的选取进行了分类,即根据采样周期不同,分别按照每5分钟、每小时、每天取均值的瓦斯时间序列作为基础样本数据。通过定性定量分析,利用小数据量法和G-P算法分别求最大lyapunov指数值和关联维数混沌系统特征量,计算结果得出三种类型瓦斯样本时间序列的关联维数均为非正整数,最大lyapunov指数均大于零。由此证明了瓦斯时间序列具有混沌特性,对瓦斯所处混沌系统进行短期预测具有可行性。(2)瓦斯混沌时间序列相空间重构。介绍了相空间重构的基本理论,使用延迟坐标法对重构相空间中嵌入维数和延迟时间两个主要参数选取的方法做了比对分析。针对三种不同采样周期的瓦斯浓度时间序列样本,在确定延迟时间间隔时分别使用自相关法和互信息法进行对比,结果得出使用互信息法更符合瓦斯浓度时间序列的非线性特征。介绍了cao氏法和伪邻近点(fnn)法确定嵌入维数,由于伪邻近点法(fnn)相对更具直观性,因此采用了伪邻近点法(fnn)求嵌入维数。此外,还对相同采样周期不同数量级的瓦斯时间序列的延迟时间和嵌入维数的确定进行分析,所有结果通过matlab编程实现。结果表明样本数据量大可以更多地描述动力系统变化规律,混沌吸引子充分展开而求得熵值较大。因此,延迟时间间隔根据数据量减少而变小,而嵌入维数不受数据量限制,基本保持不变且嵌入维数的计算结果和正向分析瓦斯动力系统选择计算瓦斯涌出量参数具有前后一致性,由此说明将混沌时间序列反向重构混沌吸引子,恢复原动力系统的方法具有客观有效性。(3)基于粒子群的三次样条插值在瓦斯缺失数据中应用研究。首先,对目前几种常用的缺失数据插值方法及其优缺点进行了研究分析。然后,研究了三次样条插值方法和粒子群算法,三次样条函数的插值曲线光滑,插值准确性高,但是三次样条插值函数的系数求解计算繁琐,计算效率低,而粒子群算法简单,参数较少,易于实现,在较短的时间内可以产生高质量的解。对粒子群算法的改进,提出粒子群算法的惯性权重采用线性递减惯性权重,实现粒子群算法全局搜索和局部搜索之间的平衡。最后,针对瓦斯缺失数据的处理,提出一种基于粒子群的三次样条插值算法,该算法利用自相关分析确定三次样条插值函数的结点个数,利用粒子群算法求解三次样条插值函数的系数。基于粒子群的三次样条插值算法,具有粒子群算法的运算简单,易于实现,计算效率高,又具有三次样条插值方法的插值曲线光滑,插值准确性高的优点,是一种较好的缺失数据的处理方法。通过对相同地点不同工作面,不同地点不同工作面的瓦斯缺失数据插值的应用实例分析,该算法对瓦斯缺失数据的插值是有效的,与目前几种常用的缺失数据插值方法进行比较,本文提出的基于粒子群的三次样条插值算法更加准确有效。(4)瓦斯混沌时间序列预测模型分析、应用与验证。取矿井工作面正常工作状态下安全监控系统监测的一维瓦斯时间序列作为样本数据,对不同采样精度、不同数据量样本进行相空间重构后,结合rbf径向基神经网络预测方法和自适应预测方法建立预测模型,其预测过程用matlab编程实现。以三维空间方式对预测结果进行分析总结,得出以下相应的结论:①通过建立RBF预测模型和自适应预测模型及应用,均实现了较高的预测精度。从实验结果整体看,Volterra自适应预测要优于RBF神经网络预测结果,在数据量充足的情况下,采样周期越小对预测精度越高。②RBF神经网络模型是拟合了混沌系统中某一条运动轨迹,对训练样本以外的外推能力没有太好的分析。因此要选择大数据量样本,但同时会面对收敛时间要相对较长。因此,建议样本尽可能涵盖变化规律范围大,按每小时取2000-3000样本即可达到较高的预测精度。③自适应预测模型是利用当前已知的数据和当前的预测变化来实时修正模型权值参数,从而达到较高的预测精度。样本数量取1000-2000左右即可达到较好的预测精度,样本数据量不需要取无限大。由于Volterra自适应模型可综合利用具有非线性和线性特性的因素,符合混沌时间序列的非线性特征,且具有较好的抗噪能力。因此利用Volterra自适应模型可有效预测低维的混沌时间序列。④分别对从两个不同煤矿选取的瓦斯时间序列的进行混沌特性分析,并对预测结果进行了验证。实验结果表明,利用混沌理论的相空间重构建立的两种预测模型在不同地质条件下的不同煤矿均有适用性,对不同类型样本的预测结果和前面的结论具有一致性,进一步验证了针对非线性瓦斯混沌时间序列进行混沌短期预测的有效性。此外,通过对异常状态下瓦斯突出时间序列的混沌特性进行分析,发现在发生瓦斯突出前3天左右瓦斯时间序列混沌特征更强烈。由此可证明,瓦斯时间序列混沌特征量的变化情况,可作为煤矿瓦斯事故发生前征兆的判断依据,实现对瓦斯时序的短期预测及对瓦斯事故发生前的异常征兆判断。
【学位授予单位】：中国矿业大学(北京)
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TD712.5

【相似文献】