CN107503797B - 基于3d仿真平台的矿井瓦斯浓度趋势预警系统 - Google Patents
基于3d仿真平台的矿井瓦斯浓度趋势预警系统 Download PDFInfo
- Publication number
- CN107503797B CN107503797B CN201710743506.5A CN201710743506A CN107503797B CN 107503797 B CN107503797 B CN 107503797B CN 201710743506 A CN201710743506 A CN 201710743506A CN 107503797 B CN107503797 B CN 107503797B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- mine
- gas
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 20
- 230000008676 import Effects 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims 1
- 239000003245 coal Substances 0.000 abstract description 23
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 abstract description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 abstract description 3
- 238000004587 chromatography analysis Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 241001269238 Data Species 0.000 abstract description 2
- 239000011435 rock Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统,基于矿井监控实际数据的分析和归纳,通过对井下监测点瓦斯浓度、涌出量多种时长采集样本数据进行分层分析及纵横分析,建立基于心态指标的区间值模糊集评估分析模型及瓦斯涌出趋势预测模型,提前5‑10分钟对井下瓦斯浓度进行预测,实现了对矿井瓦斯威胁态势的等级预警,通过开发3D引擎及矿井立体模型自动建模系统,实现井下自动仿真建模,通过煤矿井下环境三维可视化,显示结果更加直观和便捷,本发明与煤矿工业自动化中的通风系统、抽采系统互相结合,能够实现对井下瓦斯、一氧化碳情况的可视化监测与管理,实现了井下工作的地点实时监视、异常情况自动报警、瓦斯的超限报警等。
Description
技术领域
本发明属于煤矿安全检测技术领域,涉及一种煤矿安全监测系统,具体是一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统。
背景技术
我国是产煤大国,瓦斯事故已成为煤矿生产的重大隐患,瓦斯事故是我国煤矿事故中占比最高的事故类型。据统计,2006年至2011年,我国一共发生煤矿死亡事故897起,其中瓦斯事故占了事故总数的44%。
为了防止瓦斯事故的发生,我国的大多数矿井都已安装煤矿安全监控系统,作为煤矿安全生产的保障。但现有的煤矿安全监控系统存在只有在瓦斯值达到设定的某个固定值时才报警、无法监测到瓦斯突出的孕育阶段及实现提前预警、未有效利用采集数据的缺陷,更无法仿真井下实况给地面监控室。
发明内容
本发明的目的在于提供一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统,通过建立基于心态指标的区间值模糊集评估分析模型及瓦斯涌出当前趋势模型,实现了对矿井瓦斯威胁态势的等级预警,并结合仿真实现三维可视化。
本发明的目的可以通过以下技术方案实现:
基于3D仿真平台的矿井瓦斯浓度趋势预警系统,包括监控主服务器以及通过内网通信连接监控主服务器的数据采集前端、监控终端、预警终端以及预警WEB服务器,所述预警WEB服务器接入互联网,通过IE浏览器实现预警信息同步在线发布;
所述数据采集前端,实时采集矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据;
所述监控主服务器,包括数据预处理模块、威胁评估模块、趋势预测模块、预测分析模块、数据导入模块、3D引擎模块、数据融合模块以及广播发送模块;
所述数据预处理模块,对数据采集前端输出的瓦斯浓度数据以及瓦斯涌出量数据进行预处理;
所述威胁评估模块,根据数据采集前端采集的瓦斯浓度、涌出量历史数据进行分层分析及纵横分析,构建基于心态指标的区间值模糊集评估分析模型,作为瓦斯威胁态势的评估对照样本;
所述趋势预测模块,以瓦斯监测点历史数据为基础数据分析源,通过BI分析及微软SSAS内嵌的分析算法构建监测点的瓦斯涌出趋势预测模型,再根据数据采集前端采集的最新数据预测监测点5~10min内瓦斯涌出趋势的预测数据;
所述预测分析模块,根据威胁评估模块生成的瓦斯威胁态势评估对照样本,对趋势预测模块的预测数据按照预先制定的报警规则进行超前预警分析,输出预警信息;
所述数据导入模块,用于导入矿井既有的地质测量及建设数据;
所述3D引擎模块,基于XNA图形框架的引擎基础功能、引擎的操控、场景的渲染,通过数据导入模块导入矿井既有的地质测量及建设数据,进行动态建模,生成矿井3D模型;
所述数据融合模块,将3D引擎模块生成的3D模型与数据采集前端采集的数据、预测分析模块输出的预警信息进行融合,输出到监控终端和预警终端进行展示;
所述广播发送模块,当预测数据达到报警标准时,输出报警广播。
进一步地,所述基于心态指标的区间值模糊集评估分析模型,其生成方法包括以下步骤:
步骤S1,根据数据采集前端采集的瓦斯浓度、涌出量历史数据,分离出统计比较的特征指标,按各项指标自动形成的指标值计算方法,分别以多种不同时间序列长度的历史数据对各指标计算及按照威胁态势评测体系对指标安全性按照百分制考量评测,从而形成指标集对应威胁态势的评分区间值模糊集,即区间值模糊综合评判矩阵;
步骤S2,按照各项指标在异常突出过程中出力的大小所占的权重,形成监测点属于某种态势的区间值模糊集;
步骤S3,计算各种态势的倾向性,按照监测点评测心态指标,使用心态指标法实现区间数的排序,进而达到监测点倾向威胁态势的排序,获得监测点瓦斯的威胁态势结果,作为瓦斯威胁态势的评估对照样本;
步骤S4,为了避免因历史数据陈旧而造成预测不准确,对威胁态势评估对照样本不断导入新采集数据,实现模型动态定型,保持模型能及时反应当前变化情况的能力,使得预测数据更加准确。
进一步地,所述瓦斯涌出趋势预测模型通过自动回归树法、自动回归集成变动平均值法的混合算法进行优化,兼顾短期预测和长期预测。
进一步地,所述监控终端包括数据监控模块和监控显示模块;
所述数据监控模块,用于监控矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据;
所述监控显示模块,基于三维可视化仿真,展示矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据。
进一步地,所述预警终端包括广播接收模块、预警管理模块以及预警显示模块;
所述广播接收模块,实时接收监控主服务器输出的报警广播;
所述预警管理模块,管理接收到的预警信息;
所述预警显示模块,基于三维可视化仿真,展示矿井内各监测点的预警信息。
进一步地,所述预警WEB服务器包括广播数据转存模块、预警数据库以及外网预警服务模块;
所述广播数据转存模块,实时接收监控主服务器输出的报警广播,并将预警信息转存到预警数据库;
所述预警数据库,用于存储预警信息;
所述外网预警服务模块,接入互联网,提供预警信息同步在线发布服务。
本发明的有益效果:本发明提供的一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统,基于矿井监控实际数据的分析和归纳,通过对井下监测点瓦斯浓度、涌出量多种时长采集样本数据进行分层分析及纵横分析,建立基于心态指标的区间值模糊集评估分析模型及瓦斯涌出趋势预测模型,提前5-10分钟对井下瓦斯浓度进行预测,实现了对矿井瓦斯威胁态势的等级预警,通过开发3D引擎及矿井立体模型自动建模系统,实现井下自动仿真建模,通过煤矿井下环境三维可视化,显示结果更加直观和便捷,本发明与煤矿工业自动化中的通风系统、抽采系统互相结合,能够实现对井下瓦斯、一氧化碳情况的可视化监测与管理,实现了井下工作的地点实时监视、异常情况自动报警、瓦斯的超限报警等。
附图说明
下面结合附图和具体实施例对本发明作进一步详细描述。
图1是本发明的系统示意图。
图2是本发明威胁评估模块的工作流程图。
图3是本发明趋势预测模块的工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统,包括监控主服务器以及通过内网通信连接监控主服务器的数据采集前端、监控终端、预警终端以及预警WEB服务器,预警WEB服务器接入互联网,通过IE浏览器实现预警信息同步在线发布。
数据采集前端,采用瓦斯浓度传感器和风速传感器,实时采集矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据。
监控主服务器,包括数据预处理模块、威胁评估模块、趋势预测模块、预测分析模块、数据导入模块、3D引擎模块、数据融合模块以及广播发送模块。
数据预处理模块,对数据采集前端输出的瓦斯浓度数据以及瓦斯涌出量数据进行预处理,包括过滤处理和缺失填补处理。
其中,过滤处理具体为剔除数据采集前端输出数据中浓度小于0的采集值(传感器可能损坏等造成的误报值);因监控系统采集瓦斯浓度具有一定周期性,及在较短时间内当瓦斯浓度不发生变化时,采用邻近插值法进行缺失填补处理。
威胁评估模块,根据数据采集前端采集的瓦斯浓度、涌出量历史数据进行分层分析及纵横分析,构建基于心态指标的区间值模糊集评估分析模型,作为瓦斯威胁态势的评估对照样本,导入不同数据即可通用于不同煤矿。
其中,基于心态指标的区间值模糊集评估分析模型,通过对数据采集前端采集的瓦斯浓度、涌出量历史数据进行多视角、层次化、区间数模糊集分析,并引入心态指标法对区间数大小进行排序的数学概念及排序手段,使得对监测点态势分析更加人性化,如图2所示,其具体包括以下步骤:
步骤S1,根据数据采集前端采集的瓦斯浓度、涌出量历史数据,分离出统计比较的特征指标,按各项指标自动形成的指标值计算方法,分别以多种不同时间序列长度的历史数据对各指标计算及按照威胁态势评测体系对指标安全性按照百分制考量评测,从而形成指标集对应威胁态势的评分区间值模糊集,即区间值模糊综合评判矩阵。
步骤S2,按照各项指标在异常突出过程中出力的大小所占的权重,形成监测点属于某种态势的区间值模糊集。
步骤S3,计算各种态势的倾向性,按照监测点评测心态指标,使用心态指标法实现区间数的排序,进而达到监测点倾向威胁态势的排序,获得监测点瓦斯的威胁态势结果,作为瓦斯威胁态势的评估对照样本。
步骤S4,为了避免因历史数据陈旧而造成预测不准确,对威胁态势评估对照样本不断导入新采集数据,实现模型动态定型,保持模型能及时反应当前变化情况的能力,使得预测数据更加准确。
趋势预测模块,如图3所示,以瓦斯监测点历史数据为基础数据分析源,通过BI分析及微软SSAS内嵌的分析算法构建监测点的瓦斯涌出趋势预测模型,再根据数据采集前端采集的最新数据预测监测点5~10min内瓦斯涌出趋势的预测数据。
其中,瓦斯涌出趋势预测模型通过自动回归树法(ARTXP)、自动回归集成变动平均值法(ARIMA)的混合算法进行优化,兼顾了短期预测和长期预测(以5分钟为混合点,确保了后5分钟预测的准确性)。
预测分析模块,根据威胁评估模块生成的瓦斯威胁态势评估对照样本,对趋势预测模块的预测数据按照预先制定的报警规则进行超前预警分析,输出预警信息,并提供挖掘正确性图表分析辅助功能,如预测数据与实际数据的趋势曲线比较。
数据导入模块,用于导入矿井既有的地质测量及建设数据,包括煤层、岩层、巷道、硐室、工作面、管道及设备设施等。
3D引擎模块,基于XNA图形框架的引擎基础功能(渲染、背面消隐、剔除、相机、透视、动画、碰撞等)、引擎的操控(相机、漫游、gizmo控制)、场景的渲染(自定义模型及3dsMax建模工具制作的模型文件),通过数据导入模块导入矿井既有的地质测量及建设数据,进行动态建模,生成矿井3D模型,实现煤矿井下环境的三维可视化仿真。
其中,矿井3D模型的3D场景包括了工业场地、地形、钻孔柱状图、煤岩层、风井、巷道、工作面等七大系统,地形、煤岩层、巷道系统、采区工作面以及七大系统设备的管导和线路都采用数据自动建模,而七大系统的设备硬件采用3Dmax建模。
矿井3D模型的动态建模具体包括以下方面:
1、地形数据高程图建模:支持对如上格式地形数据的三角网法DEM数字高程建模,按已知数据自动进行D三角网剖分、等高线追踪,并可显示三角网、曲面、等高线及等高线标注。
2、钻孔建模及岩性分析:已知钻孔坐标定位数据、岩性数据,数据源来自钻孔数据库Access文件,通过加载Access中的数据,分别进行钻孔建模、岩性柱状图建模。
3、煤岩层建模,按照钻孔岩性数据自动构造指定的煤层或岩层顶底板、封闭侧面,系统在分割-归并法,逐点插入法,三角网生长法等三类主流算法的基础上,采用融合以上算法优点于一体,兼顾空间与时间性能的合成算法进行煤层构造。
4、巷道系统自动三维建模:巷道是由一系列的局部巷道组成,局部巷道则由巷道中心线和巷道断面来表现,巷道中心线确定巷道位置,断面确定巷道的空间形态,利用三维矢量的点、线、面模型实现巷道的三维建模,在其基础上实现巷道纹理材质的选择、光照选择、巷道漫游、七大系统布置;其具体包括:
局部巷道三维几何建模:通过巷道三维地测数据确立巷道节点,由任意两相邻节点构造巷道导线,由此可得巷道系统网络拓扑。
巷道可视化建模:通过已建立的三维几何模型,默认情况下巷道导向线为巷道顶板中心线,按照选定的巷道断面,自动生成巷道三维模型。
5、采煤面及监控系统可视化:在矿井地质、井巷立体图中融合了安全监控设备,将采煤工作面、掘进工作面、通风及监控设备均可视化管理,与地面监控中心的虚拟现实,同步仿真显示瓦斯故障监测点工作环境。
数据融合模块,将3D引擎模块生成的3D模型与数据采集前端采集的数据、预测分析模块输出的预警信息进行融合,输出到监控终端和预警终端进行展示。
广播发送模块,当预测数据达到报警标准时,输出报警广播。
监控终端,包括数据监控模块和监控显示模块。
数据监控模块,用于监控矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据。
监控显示模块,基于三维可视化仿真,展示矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据。
预警终端,包括广播接收模块、预警管理模块以及预警显示模块。
广播接收模块,实时接收监控主服务器输出的报警广播。
预警管理模块,管理接收到的预警信息。
预警显示模块,基于三维可视化仿真,展示矿井内各监测点的预警信息。
预警WEB服务器,包括广播数据转存模块、预警数据库以及外网预警服务模块。
广播数据转存模块,实时接收监控主服务器输出的报警广播,并将预警信息转存到预警数据库。
预警数据库,用于存储预警信息。
外网预警服务模块,接入互联网,提供预警信息同步在线发布服务。
本发明提供的一种基于3D仿真平台的矿井瓦斯浓度趋势预警系统,基于矿井监控实际数据的分析和归纳,通过对井下监测点瓦斯浓度、涌出量多种时长采集样本数据进行分层分析及纵横分析,建立基于心态指标的区间值模糊集评估分析模型及瓦斯涌出趋势预测模型,提前5-10分钟对井下瓦斯浓度进行预测,实现了对矿井瓦斯威胁态势的等级预警,通过开发3D引擎及矿井立体模型自动建模系统,实现井下自动仿真建模,通过煤矿井下环境三维可视化,显示结果更加直观和便捷,本发明与煤矿工业自动化中的通风系统、抽采系统互相结合,能够实现对井下瓦斯、一氧化碳情况的可视化监测与管理,实现了井下工作的地点实时监视、异常情况自动报警、瓦斯的超限报警等。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (6)
1.基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:包括监控主服务器、数据采集前端、监控终端、预警终端以及预警WEB服务器;其中数据采集前端、监控终端、预警终端以及预警WEB服务器通过内网通信连接监控主服务器,所述预警WEB服务器接入互联网,通过I E浏览器实现预警信息同步在线发布;
所述数据采集前端,实时采集矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据;
所述监控主服务器,包括数据预处理模块、威胁评估模块、趋势预测模块、预测分析模块、数据导入模块、3D引擎模块、数据融合模块以及广播发送模块;
所述数据预处理模块,对数据采集前端输出的瓦斯浓度数据以及瓦斯涌出量数据进行预处理;
所述威胁评估模块,根据数据采集前端采集的瓦斯浓度、涌出量历史数据进行分层分析及纵横分析,构建基于心态指标的区间值模糊集评估分析模型,作为瓦斯威胁态势的评估对照样本;
所述趋势预测模块,以瓦斯监测点历史数据为基础数据分析源,通过BI分析及微软SSAS内嵌的分析算法构建监测点的瓦斯涌出趋势预测模型,再根据数据采集前端采集的最新数据预测监测点5~10mi n内瓦斯涌出趋势的预测数据;
所述预测分析模块,根据威胁评估模块生成的瓦斯威胁态势评估对照样本,对趋势预测模块的预测数据按照预先制定的报警规则进行超前预警分析,输出预警信息;
所述数据导入模块,用于导入矿井既有的地质测量及建设数据;
所述3D引擎模块,基于XNA图形框架的引擎基础功能、引擎的操控、场景的渲染,通过数据导入模块导入矿井既有的地质测量及建设数据,进行动态建模,生成矿井3D模型;
所述数据融合模块,将3D引擎模块生成的3D模型与数据采集前端采集的数据、预测分析模块输出的预警信息进行融合,输出到监控终端和预警终端进行展示;
所述广播发送模块,当预测数据达到报警标准时,输出报警广播。
2.根据权利要求1所述的基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:所述基于心态指标的区间值模糊集评估分析模型,其生成方法包括以下步骤:
步骤S1,根据数据采集前端采集的瓦斯浓度、涌出量历史数据,分离出统计比较的特征指标,按各项指标自动形成的指标值计算方法,分别以多种不同时间序列长度的历史数据对各指标计算及按照威胁态势评测体系对指标安全性按照百分制考量评测,从而形成指标集对应威胁态势的评分区间值模糊集,即区间值模糊综合评判矩阵;
步骤S2,按照各项指标在异常突出过程中出力的大小所占的权重,形成监测点属于某种态势的区间值模糊集;
步骤S3,计算各种态势的倾向性,按照监测点评测心态指标,使用心态指标法实现区间数的排序,进而达到监测点倾向威胁态势的排序,获得监测点瓦斯的威胁态势结果,作为瓦斯威胁态势的评估对照样本;
步骤S4,为了避免因历史数据陈旧而造成预测不准确,对威胁态势评估对照样本不断导入新采集数据,实现模型动态定型,保持模型能及时反应当前变化情况的能力,使得预测数据更加准确。
3.根据权利要求1所述的基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:所述瓦斯涌出趋势预测模型通过自动回归树法、自动回归集成变动平均值法的混合算法进行优化,兼顾短期预测和长期预测。
4.根据权利要求1所述的基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:所述监控终端包括数据监控模块和监控显示模块;
所述数据监控模块,用于监控矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据;
所述监控显示模块,基于三维可视化仿真,展示矿井内各监测点的瓦斯浓度数据以及瓦斯涌出量数据。
5.根据权利要求1所述的基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:所述预警终端包括广播接收模块、预警管理模块以及预警显示模块;
所述广播接收模块,实时接收监控主服务器输出的报警广播;
所述预警管理模块,管理接收到的预警信息;
所述预警显示模块,基于三维可视化仿真,展示矿井内各监测点的预警信息。
6.根据权利要求1所述的基于3D仿真平台的矿井瓦斯浓度趋势预警系统,其特征在于:所述预警WEB服务器包括广播数据转存模块、预警数据库以及外网预警服务模块;
所述广播数据转存模块,实时接收监控主服务器输出的报警广播,并将预警信息转存到预警数据库;
所述预警数据库,用于存储预警信息;
所述外网预警服务模块,接入互联网,提供预警信息同步在线发布服务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743506.5A CN107503797B (zh) | 2017-08-25 | 2017-08-25 | 基于3d仿真平台的矿井瓦斯浓度趋势预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743506.5A CN107503797B (zh) | 2017-08-25 | 2017-08-25 | 基于3d仿真平台的矿井瓦斯浓度趋势预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107503797A CN107503797A (zh) | 2017-12-22 |
CN107503797B true CN107503797B (zh) | 2019-04-16 |
Family
ID=60693638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710743506.5A Active CN107503797B (zh) | 2017-08-25 | 2017-08-25 | 基于3d仿真平台的矿井瓦斯浓度趋势预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107503797B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108661715B (zh) * | 2018-04-17 | 2019-10-15 | 天地(常州)自动化股份有限公司 | 煤矿监控系统瓦斯涌出预警结果的评判方法 |
CN108915771B (zh) * | 2018-07-06 | 2020-04-14 | 左凌云 | 云控矿山综合管理系统 |
CN109636055A (zh) * | 2018-12-21 | 2019-04-16 | 中国安全生产科学研究院 | 一种非煤矿山安全生产风险预测预警平台 |
CN110310021B (zh) * | 2019-06-18 | 2022-08-30 | 武汉建工集团股份有限公司 | 一种用于基坑监测预警的场地环境与监测点匹配系统 |
CN110334451B (zh) * | 2019-07-09 | 2021-04-02 | 精英数智科技股份有限公司 | 确定影响瓦斯浓度变化的因素及趋势的方法、装置及系统 |
CN111708091A (zh) * | 2020-07-06 | 2020-09-25 | 中铁十二局集团有限公司 | 地质雷达实时检测报警系统及方法 |
CN112464445B (zh) * | 2020-11-10 | 2022-08-12 | 中冶赛迪工程技术股份有限公司 | 一种铁水铁路运输的自动仿真和优化系统 |
CN112532727B (zh) * | 2020-11-30 | 2023-03-24 | 重庆电子工程职业学院 | 车间内煤气区域人员安全防护系统 |
CN112613619B (zh) * | 2020-11-30 | 2024-04-09 | 重庆电子工程职业学院 | 车间内煤气区域安全作业管理系统 |
CN112330074A (zh) * | 2020-12-02 | 2021-02-05 | 公安部交通管理科学研究所 | 一种基于移动警务的卡口流量预警方法 |
CN115019481A (zh) * | 2022-06-02 | 2022-09-06 | 贵州大学 | 一种智能瓦斯浓度预警系统 |
CN115908728A (zh) * | 2022-11-08 | 2023-04-04 | 宁夏沁瑞矿山设备有限公司 | 一种智能煤矿井下监控系统、方法、终端设备及存储介质 |
CN115898512A (zh) * | 2022-11-10 | 2023-04-04 | 河南萱泽科技有限公司 | 一种瓦斯治理数字化智能分析系统及分析方法 |
CN116070464B (zh) * | 2023-03-07 | 2023-06-06 | 四川宏华电气有限责任公司 | 一种虚拟现实的钻井井场仿真系统 |
CN116559362B (zh) * | 2023-04-13 | 2023-12-01 | 威利朗沃矿业设备(北京)有限公司 | 基于地质构造的煤矿瓦斯异常检测方法、装置和电子设备 |
CN116187111B (zh) * | 2023-04-28 | 2023-07-11 | 中北大学 | 基于气体传感器的瓦斯浓度预测方法、系统、终端及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761442A (zh) * | 2014-12-15 | 2016-07-13 | 西安扩力机电科技有限公司 | 一种大型选煤厂用瓦斯监控报警装置 |
CN106290743A (zh) * | 2016-10-08 | 2017-01-04 | 安徽理工大学 | 一种煤矿瓦斯浓度检测及安全预警装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1375833A1 (ru) * | 1986-02-19 | 1988-02-23 | Никитовский Ртутный Комбинат | Способ прогноза внезапных газопро влений в горных выработках |
CN101532397B (zh) * | 2009-04-10 | 2011-05-11 | 重庆梅安森科技股份有限公司 | 煤与瓦斯突出实时诊断方法 |
CN101539030B (zh) * | 2009-04-15 | 2011-04-13 | 中铁二局股份有限公司 | 采用疏系数自回归模型预测瓦斯的方法 |
CN101975092B (zh) * | 2010-11-05 | 2012-08-15 | 中北大学 | 基于径向基函数神经网络集成的矿井瓦斯浓度中短期实时预测方法 |
CN102367742B (zh) * | 2011-10-08 | 2014-01-15 | 北京华通伟业科技发展有限公司 | 监控系统 |
CN103244187B (zh) * | 2013-05-16 | 2015-12-23 | 安徽理工大学 | 煤与瓦斯突出孕育发展过程预警综合指标体系 |
CN104156422A (zh) * | 2014-08-06 | 2014-11-19 | 辽宁工程技术大学 | 一种基于动态神经网络的瓦斯浓度实时预测方法 |
-
2017
- 2017-08-25 CN CN201710743506.5A patent/CN107503797B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761442A (zh) * | 2014-12-15 | 2016-07-13 | 西安扩力机电科技有限公司 | 一种大型选煤厂用瓦斯监控报警装置 |
CN106290743A (zh) * | 2016-10-08 | 2017-01-04 | 安徽理工大学 | 一种煤矿瓦斯浓度检测及安全预警装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107503797A (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107503797B (zh) | 基于3d仿真平台的矿井瓦斯浓度趋势预警系统 | |
CN102609986B (zh) | 数字矿山中矿体建模系统及其建模和检测方法 | |
CN105427376B (zh) | 煤层顶板突水的三维动态可视化方法 | |
CN110411370A (zh) | 一种基于空间时间参数的隧道施工风险管控系统 | |
CN106680894B (zh) | 一种基于c/s架构的隧洞地质超前预报方法 | |
CN109871648B (zh) | 地下水资源三维可视化动态监测结构模型的构建方法 | |
CN102999873A (zh) | 数字矿山安全监测监控系统 | |
CN103632509B (zh) | 基于gis系统的数字、智慧矿山报警联动方法及其平台 | |
CN102494667B (zh) | 一种表征地面沉降的方法 | |
CN110927821A (zh) | 一种基于bim+gis的隧道施工超前地质预报信息系统 | |
CN102622526A (zh) | 数字矿山中的巷道开掘搜索预测方法 | |
Wang et al. | Development and application of a goaf-safety monitoring system using multi-sensor information fusion | |
CN113362469B (zh) | 综合城市建筑信息和地层结构的盾构隧道施工预警方法 | |
CN208027544U (zh) | 滑坡监测预警系统 | |
CN112288275A (zh) | 一种基于物联网的地下水水质分析评价系统及方法 | |
CN115830829A (zh) | 一种煤矿水害通用预报预警系统 | |
CN108153985A (zh) | 一种轨道交通岩土工程三维智能信息系统 | |
Dou et al. | 3D geological suitability evaluation for urban underground space development–A case study of Qianjiang Newtown in Hangzhou, Eastern China | |
CN106709988A (zh) | 一种工程地质剖面图构建方法 | |
CN106709987A (zh) | 一种三维地质剖面模型动态构建方法 | |
CN106453468A (zh) | 一种基于gis技术的煤矿突水预警方法 | |
CN114648418A (zh) | 井下采空区安全分级预警监测方法及系统 | |
CN106372815A (zh) | 一种基于数字高程模型的矿产资源储量评估方法及应用 | |
CN211123324U (zh) | 一种基于bim+gis的隧道施工超前地质预报信息系统 | |
Liu et al. | Visible calculation of mining index based on stope 3D surveying and block modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |