[发明专利]基于机器学习的瓦斯超限预警模型构建方法及预警方法

说明书

本发明公开了一种基于机器学习的瓦斯超限预警模型构建方法及预警方法，属于瓦斯超限预警领域，要解决的技术问题为如何对瓦斯涌出量进行预测以及及时预警。方法包括如下步骤：通过实验分析得到瓦斯相关特征；对于目标煤矿，采集瓦斯相关特征，构建训练集；基于MLP神经网络构建瓦斯超限预警模型；以训练集为输入，通过随机梯度下降方法对上述瓦斯超限预警模型进行参数优化；对于训练后瓦斯超限预警模型，对权重系数矩阵进行正则化处理。方法包括如下步骤：通过上述方法构建瓦斯超限预警模型；计算抽采瓦斯量，计算绝对瓦斯涌出量；计算风排瓦斯量；基于风排瓦斯量计算瓦斯浓度百分率；基于瓦斯浓度百分率生成瓦斯超限评估报告。

技术领域

本发明涉及以瓦斯超限预警领域，具体地说是一种基于机器学习的瓦斯超限预警模型构建方法及预警方法。

背景技术

近年来，我国重大事故死亡人数居高不下，其中瓦斯爆炸造成的死亡人数占50％以上，其中高瓦斯含量的矿井占全国统配煤矿总数的46％，而大部分矿井的瓦斯预警技术相对落后、检测系统的能力不足，成为实现安全生产的最大障碍。煤与瓦斯事故发生的影响因素众多，其致因也非常复杂，根据目前的研究情况，瓦斯超限预警技术受限的原因较多，主要存在以下的问题：预警指标不完善，覆盖因素不全或未覆盖主要影响因素,预警模型数据集较少及分析能力不足,预警信息对矿端的实时监测能力不足、预警准确率不足。

我国目前的瓦斯检测、监测系统、瓦斯超限上报和监控主要以矿级为主，这些信息的准确性、及时性难以得到保障。但是，随着国家对煤矿安全生产工作的日益重视，煤矿越来越要求精细化科学管理，通过一段时间的煤矿企业推广，有了初步的效果。2016年国家安检总局在《煤矿安全监控系统升级改造技术方案》第九条加强数据应用分析中明确提出，监控系统应该具有大数据的分析与应用功能，瓦斯涌出的预测预警被纳入其中。因此，在瓦斯预警方面，需要明确提出系统应具备瓦斯涌出量预测预警功能，根据井下瓦斯、风速等数据预测瓦斯涌出量，并及时预警。

基于上述分析，如何对瓦斯涌出量进行预测以及及时预警，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种基于机器学习的瓦斯超限预警模型构建方法及预警方法，来解决如何对瓦斯涌出量进行预测以及及时预警的问题。

第一方面，本发明提供一种基于机器学习的瓦斯超限预警模型构建方法，包括如下步骤：

通过实验分析得到瓦斯相关特征；

对于目标煤矿，采集瓦斯相关特征，基于瓦斯相关特征构建训练集；

基于MLP神经网络构建瓦斯超限预警模型，所述瓦斯超限预警模型包括输入层、输出层和至少一个隐藏层，所述瓦斯超限预警模型共两个，分别为预测抽采量模型和绝对瓦斯涌出量模型；

以训练集为输入，通过随机梯度下降方法对上述瓦斯超限预警模型进行参数优化，得到训练后瓦斯超限预警模型，所述瓦斯超限预警模型中参数包括权重和偏置；

对于训练后瓦斯超限预警模型，对权重系数矩阵进行正则化处理，得到最终瓦斯超限预警模型。

作为优选，对于区别于目标煤矿的另一个煤矿，将上述最终瓦斯超限预警模型进行迁移学习，所述迁移学习后最终瓦斯超限预警模型适用于所述另一个煤矿。

作为优选，所述瓦斯相关特征包括：

K1值，为煤样瓦斯解吸特性，用于直接揭示当前煤矿瓦斯的涌出特性；

瓦斯解析量，瓦斯解吸量越大，巷道内可释放的瓦斯越多；

瓦斯赋存量，为煤样中保存的瓦斯总量；

瓦斯残余量，为抽采后煤层中瓦斯残余量；

瓦斯残余压力，为抽采后煤层中瓦斯的压力