[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

说明书

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，属于煤矿瓦斯检测技术领域，解决传统安全监控系统只能被动式监测瓦斯浓度、不能提前预警分析以及以往大数据预测只能对单一的传感器历史数据进行分析、数据准确性较差的问题；本发明基于煤层厚度、瓦斯抽采量、日产量、风速、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，能够处理大量的历史数据，能有效地从影响T2甲烷传感器浓度的各相关因素中挖掘相应的线性关系，有利于准确预测甲烷浓度，从而达到对采煤工作面回风巷甲烷浓度进行预测、提前了解瓦斯浓度变化趋势、超前采取管控措施的效果。

技术领域

本发明属于煤矿瓦斯检测技术领域，涉及一种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。

背景技术

瓦斯灾害是煤矿领域的重大安全问题，煤矿在正常生产过程中，严格控制采掘工作面瓦斯浓度在1％以下，然而在遇到构造、风量不足、区域瓦斯含量瓦斯增高等情况时，采掘工作面瓦斯浓度非常容易超限。煤矿发生瓦斯灾害前，往往伴随瓦斯浓度异常，准确判断瓦斯浓度是进行瓦斯突出预测、通风设计等工作的基础。

采煤工作面瓦斯的多源特征和瓦斯混合气体的运移特征使得瓦斯浓度既具有一定的规律性，又具有一定的复杂性，是典型的非线性时间序列预测问题。首先，矿井瓦斯浓度是典型的时间序列数据，单个瓦斯监测点的瓦斯浓度与该测点历史瓦斯浓度具有时间相关性。其次，巷道内瓦斯同样受到煤层厚度、瓦斯抽采量、巷道内瓦斯风排量、产量等多种因素的影响，具有多因素影响的复杂性。

目前煤矿对瓦斯的监测预警只能通过布置安全监控系统，通过甲烷传感器进行实时在线监测，是一种被动式监测，只能对涌出瓦斯后进行浓度监测，对于煤矿井下某一地点的瓦斯浓度做不到提前预警和提前分析，另外一些基于传感器的历史数据统计分析的规律来估算未来瓦斯浓度变化趋势的方法存在单一性和片面性，数据准确性较差，对在生产中各类能够影响瓦斯浓度变化的因素，不能进行总体分析。

采煤工作面回风巷瓦斯较为稳定，基本能够反应整个巷道的瓦斯情况，因此研究如何对采煤工作面回风巷的瓦斯浓度进行主动预测，根据预测结果主动进行预警并采取管控措施。

发明内容

本发明用于解决传统安全监控系统只能被动式监测瓦斯浓度、不能提前预警分析以及以往大数据预测只能对单一的传感器历史数据进行分析、数据准确性较差的问题。

本发明是通过以下技术方案解决上述技术问题的：

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，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；