[发明专利]构建瓦斯浓度预测模型的方法、装置、系统及存储介质

说明书

本发明实施例公开了一种构建瓦斯浓度预测模型的方法、装置、系统及存储介质，该方法包括：获取采煤工作面的预设位置的瓦斯浓度，以及采煤工作面内与瓦斯浓度相关的因素；利用预设位置的瓦斯浓度和与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，获取最优神经网络模型，作为瓦斯浓度预测模型。通过该种方式得到的最优神经网络模型，能够更加精确的测定瓦斯浓度。减少瓦斯传感器误报警的次数，更主要的是，能够监管单位提供瓦斯的精确数据，确保煤矿安全生产，减少瓦斯爆炸事故发生的次数。

技术领域

本发明实施例涉及煤矿安全技术领域，具体涉及一种构建瓦斯浓度预测模型的方法、装置、系统及存储介质。

背景技术

对矿井来说，只要有一个煤(岩)层发现瓦斯，该矿井即为瓦斯矿井。瓦斯矿井依照矿井瓦斯等级进行管理，分为低瓦斯矿井，高瓦斯矿井和煤与瓦斯突出矿井。矿井瓦斯灾害是矿井七大灾害之一，严重威胁着矿井的安全生产，监控煤矿井下采煤工作面的瓦斯浓度，对于煤矿安全生产具有重要指导意义。

整个矿井中，U形采煤工作面上隅角容易积聚采空区和采面交汇释放的瓦斯，瓦斯浓度较高，是工作面防治瓦斯的重点。目前煤炭企业对于瓦斯事故的预防还停留在监测阶段，对危险的发现和预防能力不足。因此研究瓦斯变化的规律，利用瓦斯监测数据实现对未来时刻瓦斯浓度的预测，为安全管理人员提供辅助支持，在煤矿安全生产中显得尤为重要。且在实际生产中，煤矿为减少瓦斯传感器报警次数，会对传感器监测值进行造假操作。所以需利用预测方法，计算还原上隅角瓦斯浓度值，为监管单位提供瓦斯的准确数据，确保煤矿安全生产，减少瓦斯爆炸事故发生的次数。

针对现有的煤矿瓦斯浓度预测方法，将其分为：线性分析方法与非线性预测方法。线性分析方法包括矿山统计法、瓦斯地质数学模型法、分源预测法，瓦斯含量法、瓦斯梯度法等，这类方法已经用于实际生产中，但有预见性不足的缺点。非线性分析方法包括卡尔曼滤波法、神经网络预测法、灰色系统法、主成分回归分析法、聚类分析法等。这些方法在瓦斯浓度预测研究中起到了一定的作用，但是上隅角瓦斯浓度变化受环境因素、地理位置影响较大，单纯的利用非线性分析方法预测瓦斯浓度仍然存在很大的误差。

那么如何才能够得到一种能够精准预测瓦斯浓度的模型成为本申请所要解决的技术问题。

发明内容

为此，本发明实施例提供一种构建瓦斯浓度预测模型的方法、装置、系统及存储介质，以解决现有技术中没有能够精准预测瓦斯浓度模型的技术问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，提供了一种构建瓦斯浓度预测模型的方法，该方法包括：

获取采煤工作面的预设位置的瓦斯浓度，以及采煤工作面内与瓦斯浓度相关的因素；

利用预设位置的瓦斯浓度和与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，获取最优神经网络模型，作为瓦斯浓度预测模型。

进一步地，采煤工作面内与瓦斯浓度相关的因素至少包括如下中的一种：风速、风压、一氧化碳、温度、割煤速度、瓦斯抽放量或者瓦斯抽出压力。

进一步地，预设位置具体为：上隅角、工作面进风顺槽和工作面回风顺槽。

进一步地，利用预设位置的瓦斯浓度和与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，具体包括：

对预设位置的瓦斯浓度和与瓦斯浓度相关的因素进行预处理，获取预处理后的数据；

利用预处理后的数据，对预构建的神经网络模型进行训练。

进一步地，对预设位置的瓦斯浓度和与瓦斯浓度相关的因素进行预处理，获取预处理后的数据，具体包括：

对预设位置的瓦斯浓度和与瓦斯浓度相关的因素进行清洗，获取清洗后的数据；