CN117196109B - 一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法 - Google Patents

Abstract

本发明涉及一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法，属于矿井粉尘预测领域。该方法包括：S1：通过时序预测方法利用前期粉尘浓度历史数据进行当期粉尘浓度值预测，得到初始粉尘浓度预测值；S2：利用采煤机功率修正系数、进尺/采煤速度修正系数、含水率修正系数和煤坚固性修正系数对初始粉尘浓度预测值进行加权修正，得出最终粉尘浓度预测值。本发明能提高煤矿井下粉尘浓度预测的精度。

Description

一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法

技术领域

本发明属于矿井粉尘预测领域，涉及一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法。

背景技术

煤炭在能源结构中占有主要地位，随着矿井生产规模的不断扩大，采掘综合机械化水平也逐步提高，从而也导致矿井粉尘污染问题日益严重。粉尘的存在不但影响着矿井生产效率，带来生产安全隐患，还会引发煤工尘肺病，造成恶劣的社会影响。为了降低粉尘危害、避免煤尘事故，矿井必须采用有效的主动粉尘控制技术，而高精度粉尘浓度预测技术则为企业提供了可靠的防尘措施部署依据，降低控尘成本，保障生产安全。

目前主流的粉尘浓度预测方法大多只将时间作为唯一参考变量，利用支持向量机模型，BP神经网络模型及LSTM等学习模型来进行未来短时粉尘浓度预测，而矿井粉尘浓度受煤体性质、生产工艺参数、粉尘颗粒沉降特性、环境条件等多方面因素影响，显然生产工艺参数、煤体性质及环境条件的变化对未来粉尘浓度的影响也是不可忽略的，因此常用的时序预测方法难以满足矿井粉尘高精度预测的需求。

发明内容

有鉴于此，本发明的目的在于提供一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法，来解决传统预测方法无法准确预测矿井粉尘浓度的问题。

为达到上述目的，本发明提供如下技术方案：

一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法，具体包括以下步骤：

S1：通过时序预测方法利用前期粉尘浓度历史数据进行当期粉尘浓度值预测，得到初始粉尘浓度预测值C_{predict-initial}；

S2：计算采煤机功率修正系数R_W，进尺/采煤速度修正系数R_V，含水率修正系数R_H，煤坚固性修正系数R_G，并利用各修正系数对初始粉尘浓度预测值C_{predict-initial}进行加权修正，得出最终粉尘浓度预测值C_predict：

C_predict＝(k₁×R_W+k₂×R_V+k₃×R_H+k₄×R_G)×C_{predict-initial}

其中，k₁～k₄为权重系数，通常k₁＝0.1，k₂＝0.4，k₃＝0.3，k₄＝0.2。

进一步，步骤S2中，采煤机功率修正系数R_W的计算公式为：

其中，W_former为采煤机在前期工作功率，W_now为采煤机在当期工作功率，n为采煤机功率产尘系数，取值为0.5～2之间。

进一步，步骤S2中，进尺/采煤速度修正系数R_V的计算公式为：

其中，V_former为采煤机在前期进尺/采煤速度，V_now为采煤机在当期进尺/采煤速度，a为进尺/采煤速度产尘系数，取值为0.1～2之间。

进一步，步骤S2中，含水率修正系数R_H的计算公式为：

其中，D_hnow为采煤机在当期所采煤层尘含水率为h_now时对应的降尘率；D_hformer为采煤机在前期工作时，所采煤尘含水率为h_former时对应的降尘率；

设煤层含水率为h时对应降尘率为D_h，则

进一步，步骤S2中，煤坚固性修正系数R_G的计算公式为：

其中，g_xnow为采煤机在当期所采煤体硬度为X_now时对应的产尘率；g_xformer为采煤机在前期工作时，所采煤体硬度为X_former时对应的产尘率，r为煤坚固性产尘系数。

设煤体硬度为X时对应产尘率为g_x，则

g_x＝0.53X^β

其中，β为硬度修正系数，一般取-0.27。

本发明的有益效果在于：本发明在预测过程中考虑了生产工艺参数、煤体性质及环境条件的变化对未来粉尘浓度大小的影响，预测精度高，预测误差小于10％。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明基于多源信息融合的煤矿井下粉尘浓度预测修正方法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

请参阅图1，为一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法，具体方法步骤为：

S1：通过时序预测方法利用前期粉尘浓度历史数据进行当期粉尘浓度值预测，得到初始粉尘浓度预测值C_{predict-initial}；

S2：利用采煤机功率修正系数R_W，进尺/采煤速度修正系数R_V，含水率修正系数R_H，煤坚固性修正系数R_G其进行加权修正，得出最终粉尘浓度预测值：

C_predict＝(k₁×R_W+k₂×R_V+k₃×R_H+k₄×R_G)×C_{predict-initial}

其中，k₁～k₄为权重系数，通常k₁＝0.1，k₂＝0.4，k₃＝0.3，k₄＝0.2。

(1)采煤机功率修正系数R_W计算

设采煤机在前期工作功率为W_former，采煤机在当期工作功率为W_now，则：

其中，n为采煤机功率产尘系数，取值为0.5～2之间。

(2)进尺/采煤速度修正系数R_V计算

设采煤机在前期进尺/采煤速度为V_former，采煤机在当期进尺/采煤速度为V_now，则：

其中，a为进尺/采煤速度产尘系数，取值为0.1～2之间。

(3)含水率修正系数R_H计算

设采煤机在前期工作时，所采煤尘含水率为h_former时对应的降尘率D_hformer；采煤机在当期所采煤层尘含水率为h_now时对应的降尘率D_hnow；煤层含水率为h时对应降尘率为D_h，则：

(4)煤坚固性修正系数R_G计算

其中，g_xnow为采煤机在当期所采煤体硬度为X_now时对应的产尘率；g_xformer为采煤机在前期工作时，所采煤体硬度为X_former时对应的产尘率，r为煤坚固性产尘系数。

设煤体硬度为X时对应产尘率为g_x，则

g_x＝0.53X^β

其中，β为硬度修正系数，一般取-0.27。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于多源信息融合的煤矿井下粉尘浓度预测修正方法，其特征在于，该方法具体包括以下步骤：

S1：通过时序预测方法利用前期粉尘浓度历史数据进行当期粉尘浓度值预测，得到初始粉尘浓度预测值C_{predict-initial}；

S2：计算采煤机功率修正系数R_W，进尺/采煤速度修正系数R_V，含水率修正系数R_H，煤坚固性修正系数R_G，并利用各修正系数对初始粉尘浓度预测值C_{predict-initial}进行加权修正，得出最终粉尘浓度预测值C_predict：

C_predict＝(k₁×R_W+k₂×R_V+k₃×R_H+k₄×R_G)×C_{predict-initial}

其中，k₁～k₄为权重系数；

采煤机功率修正系数R_W的计算公式为：

其中，W_former为采煤机在前期工作功率，W_now为采煤机在当期工作功率，n为采煤机功率产尘系数；

进尺/采煤速度修正系数R_V的计算公式为：

其中，V_former为采煤机在前期进尺/采煤速度，V_now为采煤机在当期进尺/采煤速度，a为进尺/采煤速度产尘系数；

含水率修正系数R_H的计算公式为：

其中，D_hnow为采煤机在当期所采煤层尘含水率为h_now时对应的降尘率；D_hformer为采煤机在前期工作时，所采煤尘含水率为h_former时对应的降尘率；

设煤层含水率为h时对应降尘率为D_h，则

煤坚固性修正系数R_G的计算公式为：

其中，g_xnow为采煤机在当期所采煤体硬度为X_now时对应的产尘率；g_xformer为采煤机在前期工作时，所采煤体硬度为X_former时对应的产尘率，r为煤坚固性产尘系数；

设煤体硬度为X时对应产尘率为g_x，则

g_x＝0.53X^β

其中，β为硬度修正系数。