基于安全监控系统实测数据的瓦斯浓度预测预警和关联分析研究

发布时间：2014-12-31 12:48

 

【摘要】 瓦斯灾害一直是目前困扰我国煤矿安全生产的最重要因素之一。充分利用煤矿现场的海量安全监测数据并加以有效分析，实现准确、可靠的瓦斯浓度预测，将能够显著提高对于瓦斯灾害的预警能力。瓦斯浓度预测是瓦斯灾害防控的有效手段，也是矿井通风瓦斯安全研究中的重要课题。本文针对煤矿安全监测监控系统实时采集的瓦斯监测数据，研究基于关联分析的瓦斯浓度预测及预警分析方法，开展了以下研究工作：研究了煤矿瓦斯监测数据的预处理方法。分析了煤矿现场瓦斯监测数据的实际表现特点，通过对瓦斯监测数据进行异常数据替代、缺失数据补齐、数据消噪处理，在尽可能消除随机、不确定性因素对预测分析影响的前提下，研究了瓦斯监测数据希尔伯特—黄变换（HHT）分析方法，通过经验模态分解（EMD）方法将瓦斯浓度时间序列分解成不同瞬时频率固有模态函数（IMF）分量的叠加，依据瓦斯浓度时间序列的瞬时特征选取适合的方法进行预测，以降低预测复杂度并提高预测精度，实现了有效的瓦斯监测数据预处理，并为准确、可靠的瓦斯浓度预测奠定了基础。研究了监测点瓦斯浓度预测方法。基于瓦斯浓度监测数据预处理，以预测有效度作为预测精度的评估准则；结合灰色关联聚类分析方法和高斯过程回归模型，动态确定瓦斯浓度时间序列样本最佳重构维数；通过将瓦斯浓度样本划分成关联度较强的若干类别，作为虚拟变量表示诸多随机、不确定性因素共同作用下的瓦斯浓度动态特征，以消除这些因素对预测精度的影响；依据瓦斯浓度时间序列HHT分析结果，综合自回归模型（AR）和高斯过程回归（GPR）两种预测，实现监测点瓦斯浓度自适应预测。研究了工作面多变量瓦斯浓度预测方法。基于瓦斯浓度监测数据预处理，将工作面及其关联巷道监测点瓦斯浓度时间序列视为关联变量，通过贝叶斯网络学习，建立了多变量瓦斯浓度时间序列关联分析模型；应用贝叶斯网络推理提取工作面瓦斯浓度时间序列强关联变量，形成工作面强关联多变量瓦斯浓度时间序列样本组；通过混沌相空间重构方法确定多变量瓦斯浓度时间序列样本重构维数，构建多变量瓦斯浓度预测模型，应用高斯过程回归方法实现工作面瓦斯浓度预测。研究了基于瓦斯浓度预测的瓦斯预警分析方法。在瓦斯浓度预测的基础上，将预警指标确定为预警基本指标和关联性指标，通过瓦斯浓度监测数据的统计分析确定基本指标阈值；通过瓦斯浓度监测数据关联分析方法分析瓦斯浓度样本的关联特征，确定关联性指标阈值；通过预测值与预警指标阈值的比较进行瓦斯浓度异常分析，划分预警等级，实现动态和精细化的瓦斯预警分析。研究了瓦斯浓度预测及预警分析应用。通过对宁夏汝箕沟煤矿瓦斯监测数据的应用分析表明，井下重要监测点和主要采掘工作面瓦斯浓度预测精度较高，预测区间有效，预警阈值及结果表达合理，验证了该技术应用于煤矿现场的有效性和适用性。本文针对煤矿瓦斯监测数据的特点，基于时间序列数学方法的综合应用所提出的瓦斯浓度预测及预警模型，对于煤矿现场的瓦斯浓度预测及预警表现出了良好的适应性和精度控制能力，为煤矿瓦斯灾害的风险预控提供了新的决策支持方法和手段。 

1  绪论 

 

1.1  研究背景及研究意义 

1.1.1  研究背景

目前，我国经济的持续快速增长对煤炭工业发展保持着高度的需求和紧密的依赖，煤炭是我国能源的基石，是重要的基础产业；煤炭在相当长的时期内仍将是我国的主要能源。2 005年煤炭在我国一次性能源生产和消费结构中占的比重分别为76.0%和68.9%，预计到 2050 年还将分别占到 50％以上 [1] ，煤炭工业的健康、稳定、持续发展是关系国家能源经济发展的重大问题。我国煤炭产量由 2000 年的 12.99 亿吨增长到了 2005 年的 21.9 亿吨，2009 年全国煤炭产量超过了 30 亿吨 [2] ，2011 年全国煤炭产量达到了 35 亿吨 [3] 。然而，我国作为世界上最大的产煤国，同时也是发生煤矿灾害事故最严重的国家之一。

.............

 

1.2  国内外研究现状 

1.2.1  矿井监测数据处理及应用研究现状

煤矿安全监测监控技术的发展为矿井安全监测信息处理及应用提供了充分的数据来源。20 世纪 70 年代，一些发达国家开始研制监测监控系统，在计算机技术、新的数据传输和处理技术发展的推动下，波兰、德国、英国、美国等发达国家的监测监控系统开发取得很大的进展。波兰的 CMM-20M 监测监控系统适合于小煤矿，可配接 20 个测点，以循环方式检测各测点的瓦斯浓度和风速等参数；德国的 TF-200 监测监控系统采用频分制传输，大大减少了传输信道电缆芯线；英国的 MINOS（Mine Operation System）监测监控系统和美国的 SCADA（Supervisory Control and Data Acquisition）监测监控系统，具有抗干扰能力强、传输与测点数无关、结构简洁及配置灵活等许多优点 [12] 等等。 1990 年左右，美国煤矿较普遍地装备了安全监测监控系统。 

.............

 

2  矿井瓦斯监测数据预处理方法研究 

 

2.1  矿井瓦斯监测数据的基本特点分析

煤矿安全监测监控系统周而复始地对井下CH4、CO、O2、CO2等气体浓度和风速、负压、粉尘浓度等环境参数进行检测，并且对设备运行状态进行监测监控。监测系统的数据采集及传输是在煤矿生产环境中完成的，由于井下环境条件恶劣，会使监测系统部件受到温度、灰尘、水蒸汽等各种干扰因素的影响，并且在监测数据的采集、传输、存储及处理过程中，还可能存在传感器故障、存储介质故障及网络传输故障、电磁干扰，以及人为管理问题的影响。因此，煤矿井下特殊、复杂的生产环境与监测系统本身的局限性，使得通过监测监控系统采集到的瓦斯监测数据往往存在数据异常、数据缺失和监测精度不可靠的可能，包含噪声，表现出复杂、非线性的特性。

.............

 

2.2  异常数据处理方法
由以上分析，异常数据的存在会大大影响预测的准确性。针对矿井瓦斯监测数据的这一特点，分两种情况对异常数据进行处理。对于异常数据中的极大值，究其原因，可能是由于灾变引起的，并且在整个时间序列中出现的概率很小，所以在建立预测模型时不能做简单剔除，根据其出现频率做规范化处理；而对于监测数据中瓦斯浓度为零的数据必须进行处理，但不是简单的剔除。由于出现零值的情形是检测信号受到了干扰，但这些数据点处的真实值可认为是符合前后一段时间内数据的统计规律的，因此用该数据点前后一段时间内数据的统计参数，或通过其它数据分析方法得到的估计值进行替换。

.............

 

3  监测点瓦斯浓度预测方法研究..........................34 
3.1 监测点瓦斯浓度时间序列关联分析及预测 ...............34 
3.2 预测有效度分析...........................35 
3.3 监测点瓦斯浓度时间序列关联分析 ........................35 
3.4 监测点瓦斯浓度时间序列预测方法 ...................37 
3.5 监测点瓦斯浓度预测实例分析....................43 
3.6 本章小结.................48 
4  工作面多变量瓦斯浓度预测方法研究 ...........................49 
4.1 工作面瓦斯浓度时间序列关联分析及预测.....................49 
4.2 工作面多变量瓦斯浓度时间序列关联分析.....................50 
4.3 工作面多变量瓦斯浓度时间序列样本空间重构.....................57
4.4 工作面多变量瓦斯浓度预测模型..........................59 
4.5 工作面多变量瓦斯浓度预测实例分析......................61 

4.6 本章小结.......................66 

 

6  矿井瓦斯浓度预测及预警分析应用

 

6.1  矿井概况 

6.1.1  矿井地理概况

汝箕沟煤矿位于宁夏回族自治区北端、贺兰山腹地汝箕沟井田南翼。中心地理坐标东经 106°07′00″，北纬 39°04′00″。距自治区首府银川市 98Km，距石嘴山市 38Km，距西大滩火车站 48Km，平汝铁路通至大峰矿，姚汝公路将矿区与外界相连。行政区隶属石嘴山市平罗县管辖。矿井四周山峦起伏，沟谷纵横。地表最高标高＋2451.4m、最低标高＋1919.4m，坡降 22.16%，岩煤层裸露地表，地面植被稀疏，属高山地形，地势西高东低，地形切割最高达 150m 左右。 

.............

 

7  结论 

 

7.1  结论

本文在分析了目前国内外煤矿监测数据处理与应用、瓦斯浓度预测预警方法及其应用的基础上，针对煤矿现场瓦斯监测数据的特点，提出了瓦斯监测数据的预处理方法、基于瓦斯监测数据关联分析的瓦斯浓度预测方法，以及基于瓦斯浓度预测的预警分析方法。论文研究主要得出如下结论：
（1）通过分析煤矿现场瓦斯监测数据的特点，提出的瓦斯浓度监测数据预处理方法，通过异常数据替代、缺失数据补齐、原始监测数据消噪处理后的瓦斯浓度时间序列，能够恢复到符合原始监测数据整体统计规律，尽可能保持了数据的真实性和完整性、消除了噪声数据的干扰，为获得较高准确性、可靠性的瓦斯浓度预测奠定了基础。
（2）针对煤矿现场瓦斯监测数据的特点，提出的瓦斯浓度时间序列 HHT 分析方法，使得高度复杂、非线性瓦斯浓度时间序列预测问题简化，可以降低瓦斯浓度时间序列预测的复杂度，提高监测点瓦斯浓度预测精度和性能。

...........
参考文献:

[1] 陈娟,赵耀江.  近十年来我国煤矿事故统计分析及启示[J]. 煤炭工程. 2012(03)
[2] 康淑云,李江.  坚持科学发展安全发展 推进煤矿安全生产形势稳定好转——访国家安全监管总局副局长兼国家煤矿安全监察局局长赵铁锤[J]. 煤炭经济研究. 2012(02)
[3] 董丁稳,李树刚,常心坦,林海飞.  工作面多变量瓦斯体积分数时间序列预测模型[J]. 采矿与安全工程学报. 2012(01)
[4] 董丁稳,李树刚,常心坦,林海飞.  基于HHT方法的矿井瓦斯体积分数预测[J]. 中国安全科学学报. 2011(09)
[5] 董丁稳,李树刚,常心坦,林海飞.  瓦斯浓度区间预测的灰色聚类与高斯过程模型[J]. 中国安全科学学报. 2011(05)
[6] 杜晓坤.  改进的混沌预测方法在瓦斯监测中的应用[J]. 微计算机信息. 2010(31)
[7] 张剑英,许徽,陈娟,曹新德.  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[J]. 工矿自动化. 2010(10)
[8] 许徽,张剑英,陈娟,赵志凯.  基于分段线性方法的瓦斯浓度时间序列模式表示[J]. 工矿自动化. 2010(08)
[9] 黄盛初,刘文革,徐亮.  中国煤炭行业海外发展战略研究[J]. 中国煤炭. 2010(07)
[10] 胡方坤,杨林青,蒋谷硕.  探析煤矿瓦斯爆炸的原因及其防治措施[J]. 煤炭技术. 2010(05)


本文编号：10965