CN104537199B - 利用瓦斯浓度时间序列识别矿井工作面生产工序的方法 - Google Patents

Abstract

本发明涉及一种利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，首先通过现有的煤矿安全监控系统获得其瓦斯传感器监测到的矿井工作面的巡检周期不大于30s的巷道瓦斯浓度时间序列值，再对巷道瓦斯浓度时间序列值做3至10次不同时间间隔的数据均匀化处理，计算均匀化处理后的各巷道瓦斯浓度时间序列值与原始数据之间的相关系数，应用验证得到的相关系数大于0.80且最大的均匀化处理后的巷道瓦斯浓度时间序列值识别相应的生产工序：通过计算所选浓度时间序列值的瓦斯相邻浓度点的斜率值的方法来识别工作面的生产工序；和现场实际生产工序相比较，发现该方法准确可靠，具有较强的实用性。

Description

利用瓦斯浓度时间序列识别矿井工作面生产工序的方法

技术领域

本发明涉及煤矿安全领域，特别涉及一种利用瓦斯浓度时间序列识别矿井工作面生产工序的方法。

背景技术

国家安全监管总局和国家煤矿安监局在2013年签发的28号文件强调要完善安全监控系统，建立煤与瓦斯突出事故自动报警系统，以及瓦斯涌出量和波动范围的自动预测，及时发出断电指令、通知相关人员。这就要求对监控系统监测到的瓦斯浓度进行深入分析和数据挖掘，而在矿井生产过程中，不同的生产工序瓦斯浓度的特征规律和表现形式又是不一样的。所以要做好瓦斯浓度数据的深度挖掘和二次利用，首先要能够正确区分当前的生产工序。目前煤矿安全监控系统可以通过安装开停传感器对回采工作面的采煤机进行监测，可以在一定程度上确定采煤机处于何种运转状态。但是对一些没有安装掘进机开停传感器的掘进巷道和炮掘巷道，监控系统无法获得当前生产的工序，对瓦斯浓度的分析往往不能准确的把握当前生产工序的特征点，也就不能通过对瓦斯浓度数据的深度挖掘，得出符合现场实际状况的安全状态。

另外，按照《煤矿监控系统手册》要求，煤矿安全监控系统规定了系统的最大巡检周期应不大于30s。同时《煤矿安全规程》中也详细规定了井下掘进工作面中瓦斯传感器的安装数量和位置，高瓦斯、煤与瓦斯突出矿井的煤巷、半煤岩巷和有瓦斯涌出的岩巷掘进工作面，必须在工作面及回风流中设置瓦斯传感器。对于煤矿掘进巷道，无论是机掘还是炮掘，至少存在一个瓦斯传感器用以监测巷道的瓦斯涌出状况，煤矿安全监控系统能监测到不大于30s巡检周期的瓦斯浓度时间序列值，通过观察煤矿安全监控系统监测到的不大于30s巡检周期的瓦斯浓度时间序列值曲线图，可以人工手动识别瓦斯浓度的变化从而得知当前生产的工序，人工手动识别虽然较为准确，但是效率低下且工作繁琐，更无法做到实时去识别和判断生产工序。

发明内容

本发明要解决的技术问题是提供一种效率较高、实时性较好的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法。

实现本发明目的的技术方案是提供一种利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，包括如下步骤：

①通过现有的煤矿安全监控系统获得其瓦斯传感器监测到的矿井工作面的巡检周期不大于30s的巷道瓦斯浓度时间序列值；

②对步骤①得到的巷道瓦斯浓度时间序列值做3至10次不同时间间隔的数据均匀化处理，以抹平由于瓦斯传感器自身的波动造成的数据波动从而减少噪声数据降低误差，各次数据均匀化处理的时间间隔至少为30秒；

③对步骤②得到的均匀化处理后的各巷道瓦斯浓度时间序列值进行有效性验证：新的均匀化处理后的各巷道瓦斯浓度时间序列值和原始的巷道瓦斯浓度时间序列值之间的关系可以通过相关性来描述，计算均匀化处理后的各巷道瓦斯浓度时间序列值与对应的步骤①得到的原始巷道瓦斯浓度时间序列值之间的相关系数，如果均匀化处理后的各巷道瓦斯浓度时间序列值相关系数大于0.80，则按照相关系数进行排序，选择相关系数最大的均匀化处理后的巷道瓦斯浓度时间序列值进行下一个步骤；如果所有均匀化处理后的巷道瓦斯浓度时间序列值的相关系数均小于0.80，则本方法不适用识别该矿井工作面的生产工序；

④利用通过步骤③验证得到的相关系数大于0.80且最大的均匀化处理后的巷道瓦斯浓度时间序列值识别相应的生产工序：通过计算所选浓度时间序列值的瓦斯相邻浓度点的斜率值的方法来识别工作面的生产工序，当斜率值大于M的时候，M的值取0.05±0.02，掘进面的状态为从没有开始掘进到开始掘进状态，当前正处于掘进状态；在掘进状态以后，当瓦斯浓度时间序列的斜率小于-M时，掘进面的状态为从掘进状态到停止掘进状态，当前正处于非掘进状态；当瓦斯浓度时间序列的斜率值在-M～M之间时，认为当前生产工序没有发生变化，记录最近一次变化后所识别的生产工序为当前的生产工序。

进一步的，步骤②中，数据均匀化处理的平均值算法如下式：

（1）

其中代表原始的瓦斯浓度值点， 代表处理后的瓦斯浓度值点，N代表处理的瓦斯浓度巡检的个数，n为正整数。

更进一步的，步骤②中，对步骤①得到的巷道瓦斯浓度时间序列值做5次不同时间间隔的数据均匀化处理，时间间隔分别为60s、100s、120s和300s。

进一步的，步骤③中，相关系数的理论公式为：

（2）

式中Cov（X,Y）表示变量X、 Y的协方差，、分别表示变量X、Y的标准差；根据上述公式（2）通过EXCEL或MATLAB计算工具计算得到不同时间间隔的均匀化处理后的各巷道瓦斯浓度时间序列值与原始巷道瓦斯浓度时间序列相对应值之间的相关系数。

进一步的，步骤④中，计算瓦斯相邻浓度点的斜率值时，斜率值以 m 表示，定义为b的改变除以 a对应的改变，对于直角坐标系，若横轴为 a 轴，纵轴是 b 轴：

（3）

a1，b1和a2，b2是直角坐标系下任意两点的坐标值。

本发明具有积极的效果：（1）本发明从目前煤矿瓦斯浓度分析的需求入手，指出要做好瓦斯浓度数据的深度挖掘和二次利用，就必须能够正确区分瓦斯浓度时间序列所对应的生产工序。针对一些没有安装掘进机开停传感器的掘进巷道和采用炮掘的巷道，目前监控系统无法直接获得当前生产的工序，提出通过监控系统监测到的瓦斯浓度数据序列的变化规律自动识别掘进工作面当前生产工序的方法，该方法识别效率较高、实时性较好，且不需要增加设备。

（2）本发明通过对目前矿井监控系统实际采集到瓦斯浓度的分析，指出瓦斯浓度相邻巡检数据的波动可能是瓦斯涌出的不均匀，或是由于瓦斯传感器自身的波动造成的，所以无法简单的通过对每次巡检值波动的大小来判断生产工序。指出通过瓦斯浓度时间序列来识别生产工序，首先要对浓度时间序列做均匀化处理。提出采用通过求相邻几次瓦斯巡检浓度平均值的方法对原始数据做均匀化处理，并提出了采用相关性系数对新的浓度时间序列和原始浓度时间序列吻合程度进行判断的方法。

（3）本发明对合理均匀化后的浓度时间序列，提出了利用处理后序列各浓度点的斜率来识别不同生产工序的方法，和现场实际生产工序相比较，发现该方法准确可靠，具有较强的实用性。

附图说明

图1为不同时间间隔的瓦斯浓度时间序列图；

图2为时间间隔分别为60s、100s和120s的均匀化处理后的瓦斯浓度时间序列值的斜率值图。

具体实施方式

（实施例1）

通过大量工作面不同工序的瓦斯浓度值的分析发现，不同的生产工序的瓦斯浓度时间序列特征不同。当不进行生产工序时，瓦斯浓度值相对较低，且波动较小。当有开始生产时，无论是回采还是掘进，瓦斯浓度值都会发生较大的升高，且在生产的过程中浓度波动较大。瓦斯在不同生产工序的波动是由于两方面原因造成的，一方面是瓦斯涌出的不均匀，另一方面可能是由于瓦斯传感器自身的波动造成的。所以无法简单地通过对每次巡检值波动的大小来判断生产工序。针对造成波动的不同原因和各生产工序瓦斯浓度时间序列的不同特征，本发明提出一种通过对巡检数据做均匀化处理后，利用处理后序列各浓度点的斜率来识别不同生产工序的方法，本实施例的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法包括如下几个步骤：

①通过现有的煤矿安全监控系统获得其瓦斯传感器监测到的巡检周期不大于30s的巷道瓦斯浓度时间序列值。

《煤矿安全规程》中详细规定了井下掘进工作面中瓦斯传感器的安装数量和位置，高瓦斯、煤与瓦斯突出矿井的煤巷、半煤岩巷和有瓦斯涌出的岩巷掘进工作面，必须在工作面及回风流中设置瓦斯传感器。对于煤矿掘进巷道，无论是机掘还是炮掘，至少存在一个瓦斯传感器用以监测巷道的瓦斯涌出状况，因此煤矿安全监控系统能监测到不大于30s巡检周期的瓦斯浓度时间序列值。

②对步骤①得到的巷道瓦斯浓度时间序列值做数据均匀化处理。数据均匀化处理可以在一定程度上抹平由于瓦斯传感器自身的波动造成的数据波动。本发明采用的方法是对相近巡检点瓦斯浓度值求平均值，代替原来的瓦斯浓度值，减少了瓦斯浓度值记录点，但可以很好的处理系统误差及测量误差。平均值算法如下式：

（1）

其中代表原始的瓦斯浓度值点， 代表处理后的瓦斯浓度值点，N代表处理的瓦斯浓度巡检的个数，n为正整数。

本实施例选取某掘进工作面的瓦斯传感器某日12时到16时的瓦斯浓度数据进行分析，由于监控系统的巡检周期为20s，该时间段瓦斯浓度数据序列记录总共有720条。由于传感器对瓦斯气体监测是需要一定的响应时间的，而目前主流瓦斯传感器对瓦斯气体的响应时间都在30s到45s之间。所以720条浓度数据虽然比较完整的记录了气体中瓦斯浓度的变化，但也会产生一定的噪声数据。噪声数据就是指数据传输过程中周围各种干扰对数据产生的影响，这种干扰就叫噪声。所以要对数据序列做进一步的信息挖掘，就必须通过对数据序列的均匀化处理来尽可能减少这种噪声数据，数据均匀化处理的时间间隔至少为30秒。

本实施例中，原始的720条数据记录是在间隔20s的情况下采集的，为了探索既能降低数据序列噪声，又尽可能保留原始数据的特征点，分别研究了均匀化处理的时间间隔在60s、100s、120s和300s的数据序列。为了更好的将处理后的数据序列和原始数据序列的一致性进行比对，能够将处理后的数据序列和原始数据序列放在同一张图里面，分别对60s、100s、120s和300s的浓度值增加0.1%、0.2%、0.3%和0.4%，如图1所示。

③对步骤②得到的均匀化处理后的巷道瓦斯浓度时间序列值进行有效性验证：仍见图1，选取不同时间间隔对原始数据序列做均匀化处理后，新的数据序列和原始数据序列之间的关系可以通过相关性来描述。相关是指自然与社会现象等客观数量关系的一种表现，客观现象之间的数量关系表现为两大类型：函数关系和相关关系。相关关系是指现象之间确实存在的一定的联系，但数量关系表现为不严格相互依存关系。即对一个变量或几个变量定一定值时，另一变量值表现为在一定范围内随机波动，具有非确定性。相关分析是研究变量之间关系的紧密程度，并用相关系数或指数来表示。其目的是揭示现象之间是否存在相关关系，确定相关关系的表现形式以及确定现象变量间相关关系的密切程度和方向。

相关系数是直线相关条件下说明两个变量之间相关关系密切程度的统计分析指标。相关系数的理论公式为：

（2）

式中Cov（X,Y）表示变量X、 Y的协方差，、分别表示变量X、Y的标准差。选取对应的浓度点来计算均匀化后的各瓦斯浓度时间序列和原始瓦斯浓度时间序列相对应点的相关性，选择相关性较高的均匀后序列作为计算用数据序列。本实施例中的相对应均匀化处理的时间间隔60s、100s、120s和300s对应的相关系数值根据上述公式（2）通过EXCEL或MATLAB等计算工具计算得到分别为0.91、0.97、0.96和0.89。数理统计学中指出当相关系数大于0.80时，认为相关性为高度相关。本发明要求，均匀化处理后的数据对于相关系数大于0.80的处理结果，按照相关系数进行排序，选择相关系数最大的均匀化处理后的数据进行下一步分析。如果所有均匀化处理后的数据的相关系数均小于0.80，则该方法不适用。结合这种选择方法，本实施例中60s、100s、120s和300s对应的相关系数值均大于0.80，对相关系数进行排序，时间间隔为100s的均匀化处理后的数据的相关系数最大，所以选择时间间隔为100s的均匀化处理后的数据进行下一步的计算和识别。

④利用通过步骤③验证得到的均匀化处理后的巷道瓦斯浓度时间序列值识别相应的生产工序：计算瓦斯相邻浓度点的斜率值。斜率亦称“角系数”，表示一条直线相对于横坐标轴的倾斜程度，曲线的上某点的斜率则反映了此曲线的变量在此点处的变化的快慢程度。斜率一般以 m 表示，定义为b的改变除以 a对应的改变，即 m 是改变的比例。对于直角坐标系，若横轴为 a 轴，纵轴是 b 轴，m 通常写成：

（3）

a1，b1和a2，b2是直角坐标系下任意两点的坐标值。

对于已经均匀化处理后的瓦斯浓度时间序列值，通过计算瓦斯相邻浓度点的斜率的方法来识别工作面的生产工序。本实施例中，已经通过步骤③确定选择时间间隔为100s的均匀化处理后的数据作为后续处理的基础识别数据。为了更好地显示选择100s处理的合理性，结合实例分别对60s、100s和120s的处理后浓度时间序列相邻点斜率值进行计算，计算结果如图2所示，从图2可以看出，对于均匀化处理后的瓦斯浓度时间序列值，其斜率值在不同的生产工序大小也是不同的。如上时间间隔为60s、100s和120s的均匀化处理后的瓦斯浓度时间序列值的相邻点斜率值大小和掘进面生产工序都有直接的关系，经过现场真实开停数据分析比对认为选择时间间隔为100s的均匀化处理后的瓦斯浓度时间序列值所计算的斜率值与掘进面生产工序的关系相比较60s和120s的数据更为直接，开停数据发生变化时，时间间隔为100s的均匀化处理后的瓦斯浓度时间序列值所计算的斜率值波动也更为明显。所以本实施例结合所选的掘进工作面瓦斯涌出状况和瓦斯浓度采集频率选择时间间隔为100s的均匀化处理后的瓦斯浓度时间序列值来做生产工序的识别是最合适的，对照当时的掘进工作面实际的生产工序来看，掘进面进入掘进工序以后，瓦斯浓度随之增大最明显的表现就是浓度时间序列的斜率值开始变大，统计发现当斜率值大于M的时候，M的值取0.05±0.02，本实施例中M取0.05，掘进面的状态为从没有开始掘进到开始掘进状态，当前正处于掘进状态。在掘进状态以后，当瓦斯浓度时间序列的斜率小于-M时，掘进面的状态为从掘进状态到停止掘进状态，当前正处于非掘进状态。当瓦斯浓度时间序列的斜率值在-M～M之间时，认为当前生产工序没有发生变化，记录最近一次变化后所识别的生产工序为当前的生产工序。

通过本实施例选取的时间段对相应掘进面生产工序进行判断，发现处理后浓度时间序列第66次斜率值大于0.05，判定该时间点即12:22分，该掘进面进入掘进工序，此后掘进工做持续进行，在第246次巡检时也就是13:22分斜率值小于-0.05，掘进工序发生变化，判断该时间点进入非掘进工序，此后一直保持该工序不变。到第636次巡检时斜率值又超过0.05，第646次巡检时斜率值小于-0.05，判断15:32分到15:38分又进行了一次短暂的掘进，其他时间均处于非掘进工序。

本发明从目前煤矿瓦斯浓度分析的需求入手，指出要做好瓦斯浓度数据的深度挖掘和二次利用，就必须能够正确区分瓦斯浓度时间序列所对应的生产工序。针对一些没有安装掘进机开停传感器的掘进巷道和采用炮掘的巷道，目前监控系统无法直接获得当前生产的工序，提出通过监控系统监测到的瓦斯浓度数据序列的变化规律识别掘进工作面当前生产工序的方法。

Claims (5)

1.一种利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，其特征在于包括如下步骤：

①通过现有的煤矿安全监控系统获得其瓦斯传感器监测到的矿井工作面的巡检周期不大于30s的巷道瓦斯浓度时间序列值；

②对步骤①得到的巷道瓦斯浓度时间序列值做3至10次不同时间间隔的数据均匀化处理，以抹平由于瓦斯传感器自身的波动造成的数据波动从而减少噪声数据降低误差，各次数据均匀化处理的时间间隔至少为30秒；

③对步骤②得到的均匀化处理后的各巷道瓦斯浓度时间序列值进行有效性验证：新的均匀化处理后的各巷道瓦斯浓度时间序列值和原始的巷道瓦斯浓度时间序列值之间的关系可以通过相关性来描述，计算均匀化处理后的各巷道瓦斯浓度时间序列值与对应的步骤①得到的原始巷道瓦斯浓度时间序列值之间的相关系数，如果均匀化处理后的各巷道瓦斯浓度时间序列值相关系数大于0.80，则按照相关系数进行排序，选择相关系数最大的均匀化处理后的巷道瓦斯浓度时间序列值进行下一个步骤；如果所有均匀化处理后的巷道瓦斯浓度时间序列值的相关系数均小于0.80，则本方法不适用识别该矿井工作面的生产工序；

④利用通过步骤③验证得到的相关系数大于0.80且最大的均匀化处理后的巷道瓦斯浓度时间序列值识别相应的生产工序：通过计算所选浓度时间序列值的瓦斯相邻浓度点的斜率值的方法来识别工作面的生产工序，当斜率值大于M的时候，M的值取0.05±0.02，掘进面的状态为从没有开始掘进到开始掘进状态，当前正处于掘进状态；在掘进状态以后，当瓦斯浓度时间序列的斜率小于-M时，掘进面的状态为从掘进状态到停止掘进状态，当前正处于非掘进状态；当瓦斯浓度时间序列的斜率值在-M～M之间时，认为当前生产工序没有发生变化，记录最近一次变化后所识别的生产工序为当前的生产工序。

2.根据权利要求1所述的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，其特征在于：步骤②中，数据均匀化处理的平均值算法如下式：

（1）

其中代表原始的瓦斯浓度值点， 代表处理后的瓦斯浓度值点，N代表处理的瓦斯浓度巡检的个数，n为正整数。

3.根据权利要求1或2所述的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，其特征在于：步骤②中，对步骤①得到的巷道瓦斯浓度时间序列值做5次不同时间间隔的数据均匀化处理，时间间隔分别为60s、100s、120s和300s。

4.根据权利要求1所述的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，其特征在于：步骤③中，相关系数的理论公式为：

（2）

式中Cov（X,Y）表示变量X、 Y的协方差，、分别表示变量X、Y的标准差；根据上述公式（2）通过EXCEL或MATLAB计算工具计算得到不同时间间隔的均匀化处理后的各巷道瓦斯浓度时间序列值与原始巷道瓦斯浓度时间序列相对应值之间的相关系数。

5.根据权利要求1所述的利用瓦斯浓度时间序列识别矿井工作面生产工序的方法，其特征在于：步骤④中，计算瓦斯相邻浓度点的斜率值时，斜率值以 m 表示，定义为b的改变除以 a对应的改变，对于直角坐标系，若横轴为 a 轴，纵轴是 b 轴：

（3）

a1，b1和a2，b2是直角坐标系下任意两点的坐标值。