CN106295214A - 一种矿井瓦斯浓度预警方法 - Google Patents

Abstract

本发明公开了一种矿井瓦斯浓度预警方法，包括先将不同班次监测数据序列转化为瓦斯流量数据序列集Q；然后将Q中各序列按照设定样本维数m进行重构，将每天的监测数据重构形成n个样本，确定生产影响时间的长度以为分界点，计算检修班次内时间点t′前后监测数据样本均值之差；计算历史监测数据中均值之差序列C的平均值μ和标准差σ，确定一定置信水平下生产因素对瓦斯浓度大小影响的置信区间进行瓦斯浓度预警。本方法按照现场生产交替制度将瓦斯监测数据分解成不同时间段的时间序列，以统计分析为基础，引入序列样本距离，定量表示生产因素对瓦斯涌出的影响程度，采用置信区间定量表示瓦斯浓度大小的影响程度，能够有效分析生产因素对回采工作面瓦斯涌出的影响。

Description

一种矿井瓦斯浓度预警方法

【技术领域】

本发明属于煤矿安全监测与监控技术领域，具体涉及一种矿井瓦斯浓度预警方法，基于安全监测监控系统实时数据的大数据处理及安全预警应用。

【背景技术】

瓦斯灾害是对矿井生产危害程度最大的灾害之一，严重威胁着煤矿安全生产，矿井瓦斯监测是预防瓦斯灾害的重要手段，矿井瓦斯监测不仅能够为瓦斯浓度控制提供实时数据，而且能够通过网络通信将大量瓦斯监测数据传输至监控主机，从而为基于安全监测监控系统的实时监测数据(实测数据)的大数据处理及安全预警应用研究奠定了基础，这类研究对于推动安全关口前移有着重要的现实意义。瓦斯监测数据来源于矿用甲烷传感器监测的甲烷体积分数信号，风流中的瓦斯浓度的大小主要是影响瓦斯涌出的地质构造因素、生产因素、通风因素的共同作用的结果，因而瓦斯监测数据的处理及应用，按照其应用需求不同对于数据处理的方法也有不同的要求，面向现场中短期应用的矿井瓦斯浓度预测预警应用研究中，地质构造影响在较长时段内偏于稳定，可以认为是确定的，通风因素可依靠风速监测与瓦斯浓度监测数据融合分析，而生产因素的影响是不确定的。

目前以瓦斯监测数据处理为手段来反演分析生产因素对瓦斯涌出的影响尚无实际研究成果，而基于安全监测监控系统实时监测数据的大数据处理及安全预警应用研究，要保证其计算精度与安全分析的合理性就必须考虑生产因素影响，鉴于此，研究一种生产因素对瓦斯涌出影响分析方法。

【发明内容】

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种生产因素对瓦斯涌出影响的监测方法，融合监测信息中的数值量和开关量，有效分析生产因素对回采工作面瓦斯涌出的影响。

本发明采用以下技术方案：

一种矿井瓦斯浓度预警方法，包括以下步骤：

S1、将不同班次风速、瓦斯监测数据序列转化为瓦斯流量数据序列集Q；

S2、将Q中各序列按照设定样本维数m进行重构，将每天的监测数据重构形成n个样本，根据样本长度确定生产影响时间的长度

S3、以步骤S2确定的为分界点，计算检修班次内时间点t′前后监测数据样本的均值之差C；

S4、计算历史监测数据中样本均值之差序列C的平均值μ和标准差σ，确定一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]；

S5、根据步骤S2和步骤S4确定的生产影响对瓦斯涌出影响的时间长度以及由于生产影响导致风流中瓦斯浓度的变化区间，进行瓦斯浓度预警。

进一步的，所述步骤S1中，将通风对瓦斯浓度的影响转化为瓦斯流量数据序列Q_t，将监测数据划分时间段组成序列集Q＝{Q₁,Q₂,Q₃}，所述瓦斯流量数据序列Q_t＝x_t×v×S，其中，t＝1,2,…，v表示风速，S表示巷道断面积，x_t表示t时刻瓦斯浓度监测值。

进一步的，重构所述样本具体为Q_i＝{q_ijk}，其中，i＝1,2,3，j＝1,2,…,n，k＝1,2,…,m。

进一步的，计算两组样本的距离之差当减小并趋于临界值ε时，所述ε小于0.05，即可依据样本长度确定生产影响时间的长度

进一步的，所述样本距离具体为：

$d(t,j)=\sqrt{{(q_{2j}-q_{3j})}^2}---\left(1\right)$

其中，j＝1,2,…,n，n＝N-m+1，t＝jmΔt，Δt为监测周期，N为序列长度。

进一步的，所述均值之差C具体为：

$C=\frac{1}{n_1}\frac{1}{m}\underset{j=1}{\overset{n_1}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}-\frac{1}{n_2}\frac{1}{m}\underset{j=1}{\overset{n_2}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}---\left(2\right)$

其中，n₁＝N₁-m+1，n₂＝N₂-m+1，N₁和N₂分别为第2班次中以时间点t′分割成2段序列的长度。

进一步的，建立历史监测数据中所述均值之差序列C，计算序列C的平均值μ和标准差σ。

进一步的，根据所述均值μ和标准差σ，确定在一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]，β为该置信水平下样本均值之差近似服从概率分布的概率密度值。

进一步的，所述分析方法能够与安全监测监控主机联机，通过将计算结果还原为瓦斯浓度序列，分析生产因素对瓦斯涌出的影响，提高矿井瓦斯监测数据时间序列分析的准确性，定量确定生产对工作面瓦斯浓度影响大小。

与现有技术相比，本发明至少具有以下有益效果：

本发明一种瓦斯涌出监测方法，按照现场生产交替制度将瓦斯监测数据分解成不同时间段的时间序列，以统计分析为基础，引入序列样本距离，定量表示生产因素对瓦斯涌出的影响程度，以及在通风条件不变的情况下，采用置信区间来定量表示生产班次对下一个班次瓦斯浓度大小的影响程度，能够有效分析生产因素对回采工作面瓦斯涌出的影响。

进一步的，样本重构后得到两组样本距离之差，通过距离之差确定生产影响时间的长度得到时间点前后的均值之差，样本均值之差是由于生产因素影响使得1个班次内瓦斯浓度增大的平均值，对历史数据统计得到该参数的统计特征，即得到了由于生产因素影响导致后续班次瓦斯浓度增大的置信区间；用样本均值差客观反映了一个班次内瓦斯浓度增大的平均趋势，采用置信区间可定量表示生产条件影响下瓦斯浓度的变化规律。

进一步的，本方法能够与安全监测监控主机联机，解决瓦斯浓度时间序列分析中，难以考虑生产因素对瓦斯涌出影响而导致计算精度不高的问题，为瓦斯监测数据的大数据处理及安全预警应用奠定了基础。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

【附图说明】

图1为本发明流程图；

图2为本发明的样本均值差直方示意图。

【具体实施方式】

本发明提供了一种矿井瓦斯浓度预警方法，以统计分析为基础，引入序列样本距离，定量表示生产因素对瓦斯涌出的影响程度，以及在通风条件不变的情况下，采用置信区间来定量表示生产班次对下一个班次瓦斯浓度大小的影响程度。采用该方法可与安全监测监控主机联机，解决瓦斯浓度时间序列分析中，难以考虑生产因素对瓦斯涌出影响而导致计算精度不高的问题，为瓦斯监测数据的大数据处理及安全预警应用奠定了基础。

请参阅图1所示，本发明公开了一种瓦斯涌出监测方法，包括以下步骤：

S1、将不同班次风速、瓦斯浓度的监测数据序列转化为瓦斯流量数据序列集Q；考虑通风对瓦斯浓度的影响，将其转化为瓦斯流量数据序列Q_t，Q_t＝x_t×v×S，v、S分别为风速(监测数据)和巷道断面积，x_t表示t时刻瓦斯浓度监测值，t＝1,2,…。

针对目前煤矿现场普遍采用的“两准一采”制生产交替制度，通过实时读取设备开停监测信号(开关量)，将监测数据按照生产班次交替的时间点划分成3个时间段，用数据集Q＝{Q₁,Q₂,Q₃}表示生产班、检修和准备班的监测数据序列，依据以下方法分析生产因素对瓦斯涌出的影响。

S2、将Q中各序列按照设定样本维数m进行重构，将每天的监测数据重构形成n个样本，根据样本长度确定生产影响时间的长度

影响时长确定

将Q中各监测数据序列按照设定样本维数m进行重构，将每天的监测数据分成3个8h来重构形成n个样本，Q_i＝{q_ijk|,i＝1,2,3；j＝1,2,…,n；k＝1,2,…,m}。i为生产班次，j为样本个数，m为维数。由于生产对瓦斯涌出的影响最终表现为巷道风流中瓦浓度的大小，并且生产班停止之后的检修班8h内，由于生产因素影响会有所延续，在一段时间内，瓦斯涌出量将大于后续的准备班8h的瓦斯涌出量的整体水平，但在检修班8h内瓦斯涌出会衰减一段时间会并趋于平稳变化，这种平稳特征和后续检修班的8h瓦斯涌出特征相似，因而通过分析检修班与准备班8h监测数据序列Q₂和Q₃的相似特征来确定生产影响时间的长度，即影响时长。对于Q₂和Q₃，通过监测数据重构之后，随着时间的推移动态调整Q₂中的样本数量，计算与Q₃中所有样本的距离均值当减小并趋于某个临界值ε时，即可认为到达生产因素影响的时间终点t′，此时从检修班开始到t′的时间长度即为影响时长，临界值ε的大小依据8h内监测数据整体大小水平而定。其中，样本距离的计算依据(1)式

$d(t,j)=\sqrt{{(q_{2j}-q_{3j})}^2},j=1,2,...,n,n=N-m+1,t=jm\mathrm{\Δ}t---\left(1\right)$

式中，Δt为监测周期，N为序列长度。

S3、以步骤S2确定的为分界点，计算该班次内时间点t′前后监测数据样本的均值之差C；

$C=\frac{1}{n_1}\frac{1}{m}\underset{j=1}{\overset{n_1}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}-\frac{1}{n_2}\frac{1}{m}\underset{j=1}{\overset{n_2}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}---\left(2\right)$

其中，n₁＝N₁-m+1，n₂＝N₂-m+1，N₁和N₂分别为第2班次中以时间点t′分割成2段序列的长度。

S4、计算历史监测数据中所述均值之差序列C的平均值μ和标准差σ，确定一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]。

S5、根据步骤S2和步骤S4确定的生产影响对瓦斯涌出影响的时间长度以及由于生产影响导致风流中瓦斯浓度的变化区间，进行瓦斯浓度预警。

影响大小定量分析

在确定影响时长之后，对于检修班8h的监测数据，以t′为时间分界点。计算时间点t′前后监测数据样本(m维重构样本)的均值之差序列C，通过选取1a的监测数据均值之差序列C统计计算其平均值μ和标准差σ，即可确定一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]，β为该置信水平下μ′近似服从概率分布的概率密度值，该方法的计算流程如图1所示，将计算结果还原为瓦斯浓度序列，即可与安全监测监控主机联机分析生产因素对瓦斯涌出的影响，以此提高矿井瓦斯监测数据时间序列分析的准确性，基于此方法定量确定的生产对工作面瓦斯浓度影响大小可为现场的安全监管提供决策依据。

实施例

请参阅图2所示，选取了陕西某矿回采工作面监测点2015年的监测数据作为历史数据来分析生产对工作面瓦斯涌出的影响，监测周期为30s，采用以上方法，设定临界值ε取0.01，通过反复计算得出样本重构维数在4～12之间为宜，瓦斯监测数据序列样本均值差的概率直方图如图2所示，计算得出了该工作面生产对瓦斯涌出影响时长为3.2h，生产因素影响下瓦斯浓度增量的大小区间为[0.12,0.32]，该工作面瓦斯涌出量分源预测结果为0.62m³/s，将置信区间上、下限分别乘工作面风量为[0.34,0.90]，分源预测结果包含在置信区间内。在基于监测数据处理的安全预警分析中可依据该方法计算的置信区间中值和上限值来确定预警阈值。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (9)

1.一种矿井瓦斯浓度预警方法，其特征在于，包括以下步骤：

S1、将不同班次风速、瓦斯监测数据序列转化为瓦斯流量数据序列集Q；

S2、将Q中各序列按照设定样本维数m进行重构，将每天的监测数据重构形成n个样本，根据样本长度确定生产影响时间的长度

S3、以步骤S2确定的为分界点，计算检修班次内时间点t′前后监测数据样本的均值之差C；S4、计算历史监测数据中样本均值之差序列C的平均值μ和标准差σ，确定一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]；

S5、根据步骤S2和步骤S4确定的生产影响对瓦斯涌出影响的时间长度以及由于生产影响导致风流中瓦斯浓度的变化区间，进行瓦斯浓度预警。

2.根据权利要求1所述的一种矿井瓦斯浓度预警方法，其特征在于：所述步骤S1中，将通风对瓦斯浓度的影响转化为瓦斯流量数据序列Q_t，将监测数据划分时间段组成序列集Q＝{Q₁,Q₂,Q₃}，所述瓦斯流量数据序列Q_t＝x_t×v×S，其中，t＝1,2,…，v表示风速，S表示巷道断面积，x_t表示t时刻瓦斯浓度监测值。

3.根据权利要求2所述的一种矿井瓦斯浓度预警方法，其特征在于，重构所述样本具体为Q_i＝{q_ijk}，其中，i＝1,2,3，j＝1,2,…,n，k＝1,2,…,m。

4.根据权利要求3所述的一种矿井瓦斯浓度预警方法，其特征在于，计算两组样本的距离之差当减小并趋于临界值ε时，所述ε小于0.05，即可依据样本长度确定生产影响时间的长度

5.根据权利要求4所述的一种矿井瓦斯浓度预警方法，其特征在于，所述样本距离具体为：

$d(t,j)=\sqrt{{(q_{2j}-q_{3j})}^2}---\left(1\right)$

其中，j＝1,2,…,n，n＝N-m+1，t＝jmΔt，Δt为监测周期，N为序列长度。

6.根据权利要求3所述的一种矿井瓦斯浓度预警方法，其特征在于，所述均值之差C具体为：

$C=\frac{1}{n_1}\frac{1}{m}\underset{j=1}{\overset{n_1}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}-\frac{1}{n_2}\frac{1}{m}\underset{j=1}{\overset{n_2}{\Σ}}\underset{k=1}{\overset{m}{\Σ}}{q}_{2jk}---\left(2\right)$

其中，n₁＝N₁-m+1，n₂＝N₂-m+1，N₁和N₂分别为第2班次中以时间点t′分割成2段序列的长度。

7.根据权利要求6所述的一种矿井瓦斯浓度预警方法，其特征在于，建立历史监测数据中所述均值之差序列C，计算序列C的平均值μ和标准差σ。

8.根据权利要求7所述的一种矿井瓦斯浓度预警方法，其特征在于，根据所述均值μ和标准差σ，确定在一定置信水平下生产因素对瓦斯浓度大小影响的置信区间[μ-βσ,μ+βσ]，β为该置信水平下样本均值之差近似服从概率分布的概率密度值。

9.根据权利要求1至8中任一项所述的一种矿井瓦斯浓度预警方法，其特征在于，所述分析方法能够与安全监测监控主机联机，通过将计算结果还原为瓦斯浓度序列，分析生产因素对瓦斯涌出的影响，提高矿井瓦斯监测数据时间序列分析的准确性，定量确定生产对工作面瓦斯浓度影响大小。