[发明专利]基于多因素广义线性回归的采煤工作面瓦斯浓度预测方法

权利要求书

1.基于多因素广义线性回归的采煤工作面瓦斯浓度预测方法，其特征在于，包括以下步骤：

S1、通过MySQL数据库导出影响T2甲烷传感器瓦斯浓度的各类因素的数据，以此建立基础数据集；在基础数据集的基础上，基于时间关联性将基础数据集中的数据整理形成瓦斯浓度影响因素数据集；

S2、将瓦斯浓度影响因素数据集进行特征标准化处理，得到用于预测下一数据采集时刻的T2甲烷传感器瓦斯浓度的标准化数据集，并将标准化数据集采用随机采样法划分为训练集与测试集；

S3、基于煤层厚度D、瓦斯抽采量C、日产量Q、风速S、T0甲烷传感器瓦斯浓度以及需要预测的T2甲烷传感器瓦斯浓度建立多因素的广义线性回归模型；

所述多因素的广义线性回归模型计算公式为：

用向量方式将上述公式简化为：

其中，ω_D为煤层厚度对T2甲烷传感器瓦斯浓度影响的偏移权重，ω_C为瓦斯抽采量对T2甲烷传感器瓦斯浓度影响的偏移权重，ω_Q为日产量对T2甲烷传感器瓦斯浓度影响的偏移权重，ω_s为风速对T2甲烷传感器瓦斯浓度影响的偏移权重，b为偏移量修正常数；

S4、将步骤S2中得到的训练集使用凯明正态分布法进行处理，再通过最小二乘法对多因素的广义线性回归模型中的各影响因素的偏移权重进行训练；

所述最小二乘法的计算公式为：

其中，y为训练集中原始的T2甲烷传感器瓦斯浓度，为通过多因素广义线性回归模型预测的T2甲烷传感器瓦斯浓度。

2.根据权利要求1所述的基于多因素广义线性回归的采煤工作面瓦斯浓度预测方法，其特征在于，步骤S1中所述的通过MySQL数据库导出影响T2甲烷传感器瓦斯浓度的各类因素的数据包括：T0甲烷传感器历史数据、采煤工作面产量数据、工作面瓦斯抽采量数据、工作面煤层厚度数据、回风巷道风速数据。

3.根据权利要求1所述的基于多因素广义线性回归的采煤工作面瓦斯浓度预测方法，其特征在于，步骤S2中所述的将瓦斯浓度影响因素数据集进行特征标准化处理，得到用于预测下一数据采集时刻的T2甲烷传感器瓦斯浓度的标准化数据集的方法如下：

(1)将瓦斯浓度影响因素数据集的数据元组格式化为向量形式：(T0_MAX,EXTRACT_COUT,COAL_PRODUCTION,COAL_THINKNESS,WIN_SPEED_AVG,NEXT_T2)；

(2)对瓦斯浓度影响因素数据集的数据元组的每一列进行标准化处理，得到标准化后的数据集。

4.根据权利要求3所述的基于多因素广义线性回归的采煤工作面瓦斯浓度预测方法，其特征在于，所述对瓦斯浓度影响因素数据集的数据元组的每一列进行标准化处理的方法如下：

1)对数据元组的每一列数据进行平均值求解，公式为：其中，μ为平均值，x_i为单个样本数据的值，N为数据元组每一列数据的样本总数；

2)进行标准差求解，公式为：其中，σ为标准差；

3)对数据元组中每一列数据的单个样本数据进行z-score标准化，公式为：