[发明专利]隧道瓦斯涌出浓度预测方法及系统

权利要求书

1.一种隧道瓦斯涌出浓度预测方法,其特征在于，包括以下步骤：

S1，获取预测前连续T个时间点的隧道瓦斯浓度监测数据，分析该T个时间点的瓦斯浓度数据变化情况；

具体为：在隧道内设置瓦斯浓度采集装置，该瓦斯浓度采集装置与一控制终端连接，并向该控制终端发送瓦斯浓度数据，所述控制终端根据接收到的瓦斯浓度数据绘制连续T个时间点的瓦斯浓度变化曲线；

S2，根据瓦斯数据变化情况选择指数平滑预测模型，并确定平滑初值以及平滑系数，然后将所述瓦斯浓度监测数据输入所选择的指数平滑预测模型中预测该T个时间点以及未来时间点的瓦斯浓度；

具体为：

若瓦斯浓度变化曲线稳定，选用一次指数平滑法，则所述T个时间点中第t个时间点对应的一次指数平滑值计算方法为一次指数平滑法预测模型为为T'+t时间序列的预测值；为T'+t-1时间序列的预测值，其中，X_t为第t个时间点的实测值，α为平滑系数，T'为上一个监测数据的时间序列；

若时间序列曲线呈一次函数变化，选用二次指数平滑法，第t个时间点对应的二次指数平滑值计算方法为二次指数平滑法预测模型为其中

若时间序列曲线存在转折点，且呈二次函数变化时，选用三次指数平滑法，第t个时间点对应的三次指数平滑值计算方法为三次指数平滑法预测模型为Y_t+T'＝a_t+b_tT'+c_tT'²，其中

S3，根据预测结果与实际瓦斯浓度计算T个时间点中每个时间点的预测相对误差，得到相对误差序列；

S4，将相对误差序列的数据划分为不同的相对误差区间，每个相对误差区间对应一个瓦斯状态；

S5，根据相对误差序列以及瓦斯状态划分结果计算T个时间点中最后一个时间点的状态概率数分布矩阵；

S6，根据相对误差序列、状态区间划分结果以及T个时间点中最后一个时间点的状态概率数分布矩阵计算未来各时间点的状态转移概率矩阵；

S7，根据未来各时间点的状态转移概率矩阵与T个时间点中最后一个时间点的状态概率数分布矩阵确定未来各时间点的状态概率数分布矩阵；

S8，将未来各时间点的状态概率数分布矩阵中的最大数值所在的状态位置作为各时间点所属的瓦斯状态，根据该瓦斯状态计算修正系数ε，利用该修正系数对步骤S2中得到的未来时间点的瓦斯浓度预测值进行修正，得到隧道瓦斯涌出浓度预测结果。

2.根据权利要求1所述的隧道瓦斯涌出浓度预测方法,其特征在于，通过隧道瓦斯历史数据的数量来确定平滑初值，若历史数据项数多于设定项数值，选第一项观测值作为初值；若少于设定项数值，则用前三项的绝对平均数作为初值。

3.根据权利要求1所述的隧道瓦斯涌出浓度预测方法,其特征在于，步骤S4具体为：

依据D—S证据理论及相对误差序列的数据，构建一个识别框架D，则识别框架D的命题集合为2^D，所述命题集合2^D中每个命题对应一个相对误差区间，每个相对误差区间对应一个瓦斯状态。

4.根据权利要求3所述的隧道瓦斯涌出浓度预测方法,其特征在于，步骤S5具体为：在识别框架命题集合2^D上建立状态概率数分配函数Mass,并获得每个状态在对应相对误差下的Mass函数；

将最后一个时间点对应的相对误差代入每个Mass函数中计算T个时间点中最后一个时间点的状态概率数分布矩阵。

5.根据权利要求3所述的隧道瓦斯涌出浓度预测方法,其特征在于，步骤S6具体为：

根据T个时间点中最后一个时间点的状态概率数计算未来第一个数据的状态转移矩阵，即一步状态转移概率矩阵其中P_ij表示状态i转移到达状态j的转移概率，其计算公式为:

式中m(i)_t表示在时刻t下状态i的状态概率数，m(j)_t+1表示在时刻t+1下状态j的状态概率数，n是相对误差序列长度；

未来第n个数据的状态转移矩阵即第n步状态转移概率矩阵