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
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 Download PDFInfo
- Publication number
- CN117196109B CN117196109B CN202311197955.6A CN202311197955A CN117196109B CN 117196109 B CN117196109 B CN 117196109B CN 202311197955 A CN202311197955 A CN 202311197955A CN 117196109 B CN117196109 B CN 117196109B
- Authority
- CN
- China
- Prior art keywords
- coal
- dust
- coal mining
- correction coefficient
- dust concentration
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 86
- 239000000428 dust Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 238000005065 mining Methods 0.000 claims abstract description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000002817 coal dust Substances 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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
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Cpredict-initial;
S2:计算采煤机功率修正系数RW,进尺/采煤速度修正系数RV,含水率修正系数RH,煤坚固性修正系数RG,并利用各修正系数对初始粉尘浓度预测值Cpredict-initial进行加权修正,得出最终粉尘浓度预测值Cpredict:
Cpredict=(k1×RW+k2×RV+k3×RH+k4×RG)×Cpredict-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RW的计算公式为:
其中,Wformer为采煤机在前期工作功率,Wnow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RV的计算公式为:
其中,Vformer为采煤机在前期进尺/采煤速度,Vnow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RH的计算公式为:
其中,Dhnow为采煤机在当期所采煤层尘含水率为hnow时对应的降尘率;Dhformer为采煤机在前期工作时,所采煤尘含水率为hformer时对应的降尘率;
设煤层含水率为h时对应降尘率为Dh,则
进一步,步骤S2中,煤坚固性修正系数RG的计算公式为:
其中,gxnow为采煤机在当期所采煤体硬度为Xnow时对应的产尘率;gxformer为采煤机在前期工作时,所采煤体硬度为Xformer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gx,则
gx=0.53Xβ
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Cpredict-initial;
S2:利用采煤机功率修正系数RW,进尺/采煤速度修正系数RV,含水率修正系数RH,煤坚固性修正系数RG其进行加权修正,得出最终粉尘浓度预测值:
Cpredict=(k1×RW+k2×RV+k3×RH+k4×RG)×Cpredict-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RW计算
设采煤机在前期工作功率为Wformer,采煤机在当期工作功率为Wnow,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RV计算
设采煤机在前期进尺/采煤速度为Vformer,采煤机在当期进尺/采煤速度为Vnow,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RH计算
设采煤机在前期工作时,所采煤尘含水率为hformer时对应的降尘率Dhformer;采煤机在当期所采煤层尘含水率为hnow时对应的降尘率Dhnow;煤层含水率为h时对应降尘率为Dh,则:
(4)煤坚固性修正系数RG计算
其中,gxnow为采煤机在当期所采煤体硬度为Xnow时对应的产尘率;gxformer为采煤机在前期工作时,所采煤体硬度为Xformer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gx,则
gx=0.53Xβ
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Cpredict-initial;
S2:计算采煤机功率修正系数RW,进尺/采煤速度修正系数RV,含水率修正系数RH,煤坚固性修正系数RG,并利用各修正系数对初始粉尘浓度预测值Cpredict-initial进行加权修正,得出最终粉尘浓度预测值Cpredict:
Cpredict=(k1×RW+k2×RV+k3×RH+k4×RG)×Cpredict-initial
其中,k1~k4为权重系数;
采煤机功率修正系数RW的计算公式为:
其中,Wformer为采煤机在前期工作功率,Wnow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RV的计算公式为:
其中,Vformer为采煤机在前期进尺/采煤速度,Vnow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RH的计算公式为:
其中,Dhnow为采煤机在当期所采煤层尘含水率为hnow时对应的降尘率;Dhformer为采煤机在前期工作时,所采煤尘含水率为hformer时对应的降尘率;
设煤层含水率为h时对应降尘率为Dh,则
煤坚固性修正系数RG的计算公式为:
其中,gxnow为采煤机在当期所采煤体硬度为Xnow时对应的产尘率;gxformer为采煤机在前期工作时,所采煤体硬度为Xformer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gx,则
gx=0.53Xβ
其中,β为硬度修正系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197955.6A CN117196109B (zh) | 2023-09-15 | 2023-09-15 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311197955.6A CN117196109B (zh) | 2023-09-15 | 2023-09-15 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117196109A CN117196109A (zh) | 2023-12-08 |
CN117196109B true CN117196109B (zh) | 2024-04-05 |
Family
ID=88995894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311197955.6A Active CN117196109B (zh) | 2023-09-15 | 2023-09-15 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196109B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07260945A (ja) * | 1994-03-23 | 1995-10-13 | Nkk Corp | 粉塵濃度の推定方法及び制御方法 |
CN102507897A (zh) * | 2011-09-30 | 2012-06-20 | 中煤科工集团重庆研究院 | 地勘煤层瓦斯含量修正方法及预测方法 |
WO2016197969A1 (zh) * | 2015-06-12 | 2016-12-15 | 艾欧史密斯(中国)热水器有限公司 | 粉尘浓度检测方法及粉尘浓度传感器 |
CN108693083A (zh) * | 2017-04-12 | 2018-10-23 | 宁夏水木蓝天科技有限公司 | 一种基于湿度粉尘浓度修正因子的粉尘浓度测试方法 |
WO2019128184A1 (zh) * | 2017-12-26 | 2019-07-04 | 中煤科工集团重庆研究院有限公司 | 矿山作业人员呼吸尘累积接尘量计算方法及测试系统 |
KR20210086786A (ko) * | 2019-12-30 | 2021-07-09 | 전북대학교산학협력단 | 미세먼지 및 악취 예측 시스템 및 방법 |
WO2021157240A1 (ja) * | 2020-02-04 | 2021-08-12 | 三菱パワー株式会社 | 予測装置、プラント、予測方法、プログラム、及び、コンフィギュレーションプログラム |
CN114492984A (zh) * | 2022-01-24 | 2022-05-13 | 深圳中核普达测量科技有限公司 | 粉尘浓度的时空分布预测方法、装置、设备和存储介质 |
CN114626580A (zh) * | 2022-02-25 | 2022-06-14 | 湖北盛际科技有限公司 | 一种建筑工地扬尘浓度预测方法及系统 |
CN115146526A (zh) * | 2022-04-22 | 2022-10-04 | 中煤科工集团重庆研究院有限公司 | 一种非平稳过程粉尘浓度预测方法 |
CN115310361A (zh) * | 2022-08-16 | 2022-11-08 | 中国矿业大学 | 基于wgan-cnn煤矿井下粉尘浓度预测方法和系统 |
KR20230012251A (ko) * | 2021-07-15 | 2023-01-26 | 한국과학기술원 | 미세먼지 측정값의 보정 방법 |
CN116187111A (zh) * | 2023-04-28 | 2023-05-30 | 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 |
CN116499938A (zh) * | 2023-06-29 | 2023-07-28 | 天津市疾病预防控制中心 | 一种职业工作场所气溶胶悬浮物智能监测方法 |
-
2023
- 2023-09-15 CN CN202311197955.6A patent/CN117196109B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07260945A (ja) * | 1994-03-23 | 1995-10-13 | Nkk Corp | 粉塵濃度の推定方法及び制御方法 |
CN102507897A (zh) * | 2011-09-30 | 2012-06-20 | 中煤科工集团重庆研究院 | 地勘煤层瓦斯含量修正方法及预测方法 |
WO2016197969A1 (zh) * | 2015-06-12 | 2016-12-15 | 艾欧史密斯(中国)热水器有限公司 | 粉尘浓度检测方法及粉尘浓度传感器 |
CN108693083A (zh) * | 2017-04-12 | 2018-10-23 | 宁夏水木蓝天科技有限公司 | 一种基于湿度粉尘浓度修正因子的粉尘浓度测试方法 |
WO2019128184A1 (zh) * | 2017-12-26 | 2019-07-04 | 中煤科工集团重庆研究院有限公司 | 矿山作业人员呼吸尘累积接尘量计算方法及测试系统 |
KR20210086786A (ko) * | 2019-12-30 | 2021-07-09 | 전북대학교산학협력단 | 미세먼지 및 악취 예측 시스템 및 방법 |
WO2021157240A1 (ja) * | 2020-02-04 | 2021-08-12 | 三菱パワー株式会社 | 予測装置、プラント、予測方法、プログラム、及び、コンフィギュレーションプログラム |
KR20230012251A (ko) * | 2021-07-15 | 2023-01-26 | 한국과학기술원 | 미세먼지 측정값의 보정 방법 |
CN114492984A (zh) * | 2022-01-24 | 2022-05-13 | 深圳中核普达测量科技有限公司 | 粉尘浓度的时空分布预测方法、装置、设备和存储介质 |
CN114626580A (zh) * | 2022-02-25 | 2022-06-14 | 湖北盛际科技有限公司 | 一种建筑工地扬尘浓度预测方法及系统 |
CN115146526A (zh) * | 2022-04-22 | 2022-10-04 | 中煤科工集团重庆研究院有限公司 | 一种非平稳过程粉尘浓度预测方法 |
CN115310361A (zh) * | 2022-08-16 | 2022-11-08 | 中国矿业大学 | 基于wgan-cnn煤矿井下粉尘浓度预测方法和系统 |
CN116187111A (zh) * | 2023-04-28 | 2023-05-30 | 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 |
CN116499938A (zh) * | 2023-06-29 | 2023-07-28 | 天津市疾病预防控制中心 | 一种职业工作场所气溶胶悬浮物智能监测方法 |
Non-Patent Citations (2)
Title |
---|
熵权法径向基神经网络的截割粉尘浓度模型与预测;李德根;刘晓亮;宋胜伟;张艳军;万丰;;煤炭技术;20180610(第06期);177-179 * |
确定采煤工作面粉尘浓度的新方法;赵树强, 李晓豁, 宋纪侠;矿业快报;20050220(第02期);21-22+34 * |
Also Published As
Publication number | Publication date |
---|---|
CN117196109A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723448B (zh) | 数字孪生智能综采工作面液压支架直线度监测方法 | |
CN106249724B (zh) | 一种高炉多元铁水质量预测控制方法及系统 | |
CN106773682B (zh) | 基于时滞动态确定的玻璃窑炉池底温度智能预测控制方法 | |
CN102294499B (zh) | 一种pcb板钻机的钻孔加工方法 | |
CN103809510B (zh) | 一种面向高精加工的自由曲面往复式刀具轨迹规划方法 | |
CN106250515B (zh) | 基于历史数据的缺失路径恢复方法 | |
CN117196109B (zh) | 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 | |
CN111639820A (zh) | 一种水泥炉窑生产的能耗参数优化方法及系统 | |
CN103869783B (zh) | 一种精矿产量在线预测方法 | |
CN106250596A (zh) | 一种基于布线轨道的SoC芯片供电带设计优化方法 | |
CN100424468C (zh) | 一种用于数控肋骨冷弯机的测量装置及其测量方法 | |
CN109657783B (zh) | 强鲁棒的具有长短时记忆能力的采煤机记忆截割系统 | |
Liu et al. | Research on the decomposition model for China’s National Renewable Energy total target | |
CN109940610A (zh) | 一种基于woa-ga混合优化算法的机器人关节控制力矩预测方法 | |
Cui et al. | Prediction model of hot metal silicon content based on improved GA-BPNN | |
CN114757403A (zh) | 一种泥水盾构机油脂消耗预测方法、系统、设备和介质 | |
CN114792051A (zh) | 一种带钢冷轧酸洗参数优化方法 | |
CN114510054A (zh) | 掘进机纠偏调向控制方法、装置、电子设备及存储介质 | |
CN111174790B (zh) | 一种地形剖面跟踪路径的形成方法 | |
CN113112089A (zh) | 水泥生料粉磨系统电耗预测方法及其预测系统 | |
CN110968057B (zh) | 一种解决智能制造车间多目标优化的规划方法 | |
CN110617040A (zh) | 一种裂缝性油藏井组周期注水方法 | |
CN110458364B (zh) | 一种短期负荷预测的平滑数据预处理方法 | |
CN112085622B (zh) | 一种基于ckf-svr的光伏电站发电功率预测算法 | |
CN113062769B (zh) | 一种新编测量施工程序在马蹄形隧洞中的使用方法 |
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 |