[发明专利]煤矿智能开采工作面底板突水预测模型、预测方法及系统

说明书

本发明公开了一种煤矿智能开采工作面底板突水预测模型、预测方法及系统，确定影响因素，采集与统计得到影响因素的具体数值；对具体数值进行预处理，将预处理得到的样本数据作为训练数据集；构建并训练底板突水智能预测模型；将测试数据集输入到训练好的底板突水智能预测模型中，输出最多的类别作为测试数据集所属的类别，即预测结果；通过随机森林算法构建工作面底板突水智能预测模型，解决了现有技术中智能开采工作面底板水害无法实现智能准确预测的问题，煤矿智能开采工作面底板突水智能预测方法，实现了随工作面采动实时动态智能预测底板突水情况，煤矿智能开采工作面底板突水智能预测系统，能够对采煤工作面底板突水进行实时动态智能预测。

技术领域

本发明属于煤矿领域，涉及底板水害智能预测，具体涉及一种煤矿智能开采工作面底板突水预测模型、预测方法及系统。

背景技术

随着人工智能的快速发展，煤矿智能化开采已经成为了一种必要的发展趋势，智能化开采将会给矿井安全生产带来重大革新。煤矿智能化开采可大幅减少采煤工作面作业人员，促使煤矿开采达到无人化或少人化的开采目标，进而在一定程度上减少因煤矿事故引起的人员伤亡和财产损失。目前大多数煤矿建立的智能开采工作面的地质及水文地质条件较为简单，然而随着煤炭资源开采向深部逐渐转移，智能开采工作面虽然能够减少作业人员并降低人员伤亡，但仍然面临着煤层底板突水事故的困扰，无法从根本上消除煤层底板突水的隐患，这将严重制约煤矿智能化开采的进一步发展。

智能开采工作面底板突水与诸多因素有关，其中主要包括底板隔水层厚度、含水层水压、含水层富水性、断层分维值、底板破坏深度、开采高度、开采宽度和工作面推采速度等因素。目前，工作面底板突水主要是采用突水系数法进行评价预测，同时依靠人为经验进行相关的分析判断，缺乏自主学习、主动智能预测和智能决策的方法及系统，致使智能开采工作面底板水害不能做到主动预测与防治，进而制约着煤矿智能化发展的脚步。

发明内容

针对现有技术存在的不足，本发明的目的在于，提供一种煤矿智能开采工作面底板突水预测方法及系统，解决现有技术中智能开采工作面底板水害无法实现智能准确预测的技术问题。

为了解决上述技术问题，本发明采用如下技术方案予以实现：

一种煤矿智能开采工作面底板突水智能预测模型的构建方法，该方法包括以下步骤：

步骤1，确定影响因素，并通过采集与统计得到影响因素的具体数值；

所述影因素包括水文地质因素和采掘活动因素；

所述水文地质因素底板隔水层厚度、含水层水压、含水层富水性和断层分维值；所述采掘活动因素包括底板破坏深度、开采高度、开采宽度和工作面推采速度；

步骤2，对步骤一中得到的具体数值进行预处理，将预处理得到的样本数据作为训练数据集S；

步骤3，构建并训练底板突水智能预测模型；

基于随机森林算法构建底板突水智能预测模型，将训练数据集作为输入，将突水和未突水作为输出，对底板突水智能预测模型进行训练，得到训练好的底板突水智能预测模型。

本发明还包括以下技术特征：

所述通过采集与统计得到影响因素的具体数值的过程为：

通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小；通过采集得到含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小。

所述通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小的具体过程包括以下内容：

通过统计矿区钻孔数据进行插值处理得到底板隔水层厚度；

通过对矿井抽水资料统计得到单位涌水量q的进行插值处理得到工作面的单位涌水量q，进而得到含水层富水性；